NumPy.concatenate多维数组

Question

我正在寻找一个算法来合并给定数量的多维数组（每个数组具有相同的形状）到给定比例（x，y，z）。

例如，将4个具有形状（128,128,128）和比例（1,1,4）的数组合并成形状为（128,128,512）的数组。或者将2个具有形状（64,64,64）和比例（1,2,1）的数组合并成形状为（64,128,64）的数组。

我知道如何使用np.concatenate手动完成此操作，但我需要一个通用算法来完成此操作。（np.reshape不起作用-这会使顺序混乱）

编辑：可能比例是（1,2,3），那么就需要比较盒子的左边缘，以确定放置位置。每个数组都有一个对应的块，其中包含left_edge属性（xmin，ymin，zmin）。可以用if条件解决这个问题吗？

- Christian

---

两个形状为（64,64）的数组 - 它们的形状是(64,64,64)吗？ - eumiro

对不起，是我的错 - 你是正确的。 - Christian

Answer 1

如果您的比例始终是单一维度（即仅在一个维度上连接），则可以使用以下方法：

arrays = [...]
proportion = (1,1,4)

np.concatenate(arrays, axis=next(i for i,p in enumerate(proportion) if p>1))

否则，您必须解释如何处理proportion = (1,2,3)。

- eumiro

---

谢谢您的回答。我编辑了我的问题，因为有更复杂的比例。 - Christian

Answer 2

好的，我用这种方式编程，看起来它能够工作。也许不是最好的方式，但它做到了我想要的。

blocks.sort(key=lambda x: (x.left_edge[2],x.left_edge[1],x.left_edge[0]))
proportion = (Nx * nblockx, Ny * nblocky, Nz * nblockz)

arrays = np.zeros((nblockx, nblocky, nblockz, Nx, Ny, Nz))

for block, (x,y,z) in zip(root_list,
                          product(range(nblockx),
                                  range(nblocky),
                                  range(nblockz))):
    array = np.zeros((Nx, Ny, Nz), dtype = np.float64)

    # this is only the function to fill the array
    writearray(array, ...)

    arrays[x,y,z] = array

shape = arrays.shape
array = np.zeros((shape[0]*shape[3], shape[1]*shape[4], shape[2]*shape[5]))
for x,y,z in product(range(shape[0]), range(shape[1]), range(shape[2])):
    slicex = slice(x*shape[3], (x+1)*shape[3])
    slicey = slice(y*shape[4], (y+1)*shape[4])
    slicez = slice(z*shape[5], (z+1)*shape[5])

    array[slicex, slicey, slicez] = arrays[x,y,z]

return array

- Christian