Numpy dstack用于3D数组

Question

我有N个3D数组，它们的大小固定为（n1，n2，n3）。现在我想将它们合并成4D数组，并作为结果得到维度为：

(N，n1，n2，n3)

我该如何做？dstack可以对2D数组执行相同的操作，使它们变成3D。但是尝试将其应用于3D数组会导致错误的结果（n1，n2，n3 * N）。

编辑1：我需要在循环中完成此操作，因此循环中的每次迭代都会生成新的（n1，n2，n3）数组（3D数组），我应该将其放入4D数组中，并增加其第一个维度：第一次迭代将给出（1，n1，n2，n3）

然后第二次迭代将给出（2，n1，n2，n3）等等。

- maximus

---

看一下这些不同的“stack”函数的代码。它们所做的只是调整输入数组的维度，然后使用“np.concatenate”。如果你把维度搞对了，你也可以直接使用“np.concatenate”（最好使用所有数组的列表）。 - hpaulj

Answer 1

dstack仅为向后兼容而存在。请改用numpy.stack，它更通用且具有未来性：

import numpy as np

a = np.ones((4, 5, 6))
b = np.zeros((4, 5, 6))

c = np.stack([a, b])
print(c.shape)  # (2, 4, 5, 6)

d = np.stack([a, b], axis=2)  # You can stack along any axis
print(d.shape)  # (4, 5, 2, 6)

循环示例：

result = []
for i in range(n):
    x = np.random.randn(n1, n2, n3)
    result.append(x)
result = np.stack(result)

替代方案（速度较慢）：

result = np.empty((0, n1, n2, n3))
for i in range(n):
    x = np.random.randn(n1, n2, n3)
    result = np.concatenate([result, x[np.newaxis]])

如果您事先知道N的大小，也可以进行预分配：

result = np.empty((n, n1, n2, n3))
for i in range(n):
    x = np.random.randn(n1, n2, n3)
    result[i] = x

- MB-F

---

抱歉，我刚刚编辑了我的问题并添加了额外的信息。你的方法虽然对于一个迭代很好，但下一个迭代会尝试将4D与3D堆叠。 - maximus

通常在循环中，我会将3D数组附加到列表中，并在循环结束后对该列表调用“stack”。（请参见更新的示例。）这比增长数组具有更好的性能，因为它避免了重新分配。 - MB-F