python将两个二维array叠加成三维array的实现方法
遇到这样一个需求:程序中每次循环生成一个二维array,需要把每次循环的二维array叠加成一个三维的array,例如有如下两个矩阵:
组合成以下这种形式:
这样组合之后,有一个非常大的优点就是:保持原有的二维array的形式不变,便于以后取出,比如说我想从C中取出A,只需要执行:
A=C[0,:]
即可。
但是百度之后发现,在python中,numpy函数包中并没有对应的函数来实现三维array中不断添加二维array(有知道这个函数的欢迎在评论区告诉我)
这里,提供两种“曲线救国”的解决方案:
方法一:
对于两个(或者多个)同一维度的矩阵,直接利用np.array()
重新构造一个array,这样可以变相起到扩展维数的作用。例如:
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
b = np.array([[2,2,3],[4,5,6]])
c = np.array([[3,2,3],[4,5,6]])
print('矩阵a:\n',a)
print('维数:',a.shape)
com = np.array([a,b,c])
print('合并矩阵:\n',com)
print('维数:',com.shape)
输出结果为:
矩阵a:
[[1 2 3]
[4 5 6]]
维数: (2, 3)
合并矩阵:
[[[1 2 3]
[4 5 6]]
[[2 2 3]
[4 5 6]]
[[3 2 3]
[4 5 6]]]
维数: (3, 2, 3)
方法二:
但是,如果两个array,使用方法一时会出现如下结果:
import numpy as np
aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])
a = np.array([[4,2,3],[4,5,6]])
com = np.array([aa,a])
print('合并矩阵:\n',com)
print('维数:',com.shape)
输出结果:
合并矩阵:
[array([[[1, 2, 3],
[4, 5, 6]],
[[2, 2, 3],
[4, 5, 6]],
[[3, 2, 3],
[4, 5, 6]]])
array([[4, 2, 3],
[4, 5, 6]])]
维数: (2,)
可以看到:输出的维数不对,以上方法就不适用了。
那么,我们就需要利用np.append
和array.reshape()
函数对数组进行拼接之后重组,具体实现如下:
import numpy as np
aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])
a = np.array([[4,2,3],[4,5,6]])
data = np.append(aa,a)#先拼接成一个行向量
print(data)
dim = aa.shape#获取原矩阵的维数
print('原矩阵维数:',dim)
data1 = data.reshape(dim[0]+1,dim[1],dim[2])#再通过原矩阵的维数重新组合
print('合并矩阵:\n',data1)
print('维数:',data1.shape)
输出结果:
在深度学习中,也有类似于这样的需求,比如用图片来训练模型时,彩色图片就是一个个三维数组,需要把一批图片都送到网络中就需要把多个三维矩阵叠加。
tensorflow貌似提供了这样的函数,以后有机会继续扩展。
扩展阅读:
最后,附几个二维array中,添加一行或者一列元素的函数:
1 . np.append(a,b,axis=数字)
其中,axis = 0表示添加,axis = 1表示添加
2.增加一行或者一列。
b = np.row_stack((a, 列元素))
c = np.column_stack((a, 行元素))