在NumPy数组中插入新轴以变量位置

Question

通常情况下，当我们知道在哪个轴上插入新的轴时，可以这样做：a[:, np.newaxis,...]。是否有更好的方法在特定的轴上插入新的轴？

以下是我目前的做法。我认为一定有比这更好的方法：

def addNewAxisAt(x, axis):
    _s = list(x.shape)
    _s.insert(axis, 1)
    return x.reshape(tuple(_s))

def addNewAxisAt2(x, axis):
    ind = [slice(None)]*x.ndim
    ind.insert(axis, np.newaxis)
    return x[ind]

- Wang

Answer 1

单例维度(dim length = 1)可以作为形状标准与原始数组形状一起使用np.insert直接更改其形状，如下所示 -

x.shape = np.insert(x.shape,axis,1)

那么，我们可以通过一些np.diff和np.cumsum技巧来扩展它以邀请多个新轴，就像这样 -

insert_idx = (np.diff(np.append(0,axis))-1).cumsum()+1
x.shape = np.insert(x.shape,insert_idx,1)

样例运行 -

In [151]: def addNewAxisAt(x, axis):
     ...:     insert_idx = (np.diff(np.append(0,axis))-1).cumsum()+1
     ...:     x.shape = np.insert(x.shape,insert_idx,1)
     ...:     

In [152]: A = np.random.rand(4,5)

In [153]: addNewAxisAt(A, axis=1)

In [154]: A.shape
Out[154]: (4, 1, 5)

In [155]: A = np.random.rand(5,6,8,9,4,2)

In [156]: addNewAxisAt(A, axis=5)

In [157]: A.shape
Out[157]: (5, 6, 8, 9, 4, 1, 2)

In [158]: A = np.random.rand(5,6,8,9,4,2,6,7)

In [159]: addNewAxisAt(A, axis=(1,3,4,6))

In [160]: A.shape
Out[160]: (5, 1, 6, 1, 1, 8, 1, 9, 4, 2, 6, 7)

- Divakar

---

哦，当然！很容易忘记ndarray的形状是可设置的属性。 - wim

还有numpy.reshape，可以以非变异的方式完成这个操作。 - user2357112

@user2357112 是的！通过使用从代码中输出的np.insert的新形状信息。 - Divakar

@Divakar 非常感谢！由于有内置的 np.expand_dims，我接受了使用内置版本的答案。 - Wang

Answer 2

`np.insert` 函数实现了在指定位置插入元素的功能。

slobj = [slice(None)]*ndim
...
slobj[axis] = slice(None, index)
...
new[slobj] = arr[slobj2]

与您一样，它构建了一个切片列表，并修改了一个或多个元素。

apply_along_axis构建一个数组，并将其转换为索引元组。

outarr[tuple(i.tolist())] = res

其他numpy函数也是这样工作的。

我的建议是将初始列表足够大，以容纳None。然后我就不需要使用insert：

In [1076]: x=np.ones((3,2,4),int)

In [1077]: ind=[slice(None)]*(x.ndim+1)

In [1078]: ind[2]=None

In [1080]: x[ind].shape
Out[1080]: (3, 2, 1, 4)

In [1081]: x[tuple(ind)].shape   # sometimes converting a list to tuple is wise
Out[1081]: (3, 2, 1, 4)

原来有一个 np.expand_dims 函数。

In [1090]: np.expand_dims(x,2).shape
Out[1090]: (3, 2, 1, 4)

它使用像您一样的reshape，但使用元组连接创建新形状。

def expand_dims(a, axis):
    a = asarray(a)
    shape = a.shape
    if axis < 0:
        axis = axis + len(shape) + 1
    return a.reshape(shape[:axis] + (1,) + shape[axis:])

时间并不能告诉我哪个更好。它们位于2微秒范围内，在这个范围内，将代码放入一个函数中可以产生差异。

- hpaulj