动态调整numpy数组的尺寸

Question

我有一个数组，假设为：

A = np.array([1., 2.])

我可以简单地执行以下操作来添加一个新的维度：

我只需做类似于以下的事情：

def redim(arr):
   return arr[:, None]

现在，我想通过以下方式动态添加额外的维度：

def redim(arr, dims):
   return arr[dims]

所以，我可以做以下这些事情：

redim(A, [:, None])
redim(A, [None, :])
redim(A, [none, :, None])

有人知道这是否可能吗？

第二个参数应该是什么类型，以便我可以动态修改它？（字符串、对象、列表）？如何连接两个参数以获取扩展数组？

我知道我可以通过使用expand_dims方法来实现，但如果有一种方法可以一次性定义所有扩展的维度，那么我的代码将会更清晰。

先感谢您！

- fjs6

Answer 1

我认为reshape是你在寻找的内容。

如果说弦理论教会我们什么，那就是每个事物都需要11个维度。

>>> A = np.array([1,2])
>>> A = A.reshape((2,1,1,1,1,1,1,1,1,1,1))
>>> A
array([[[[[[[[[[[1]]]]]]]]]],






   [[[[[[[[[[2]]]]]]]]]]])

现在您可以沿任何维度获取切片：

>>> A[1,:,:,:,:,0]
array([[[[[[[[[2]]]]]]]]])

使用reshape的唯一要求是您的元素总数不变（即，在第一个和第二个形状之间，尺寸的乘积必须保持不变）。 编辑 如果您仍然想要使用切片，您必须传递一个参数元组，例如：

def redim(a, dims):
    return a[dims]

>>> redim(A, (slice(None), None, slice(None), None))

Numpy数组在传递元组参数时具有特殊行为（这正是类似 A[1,2,:] 的多重索引在底层执行的操作），如果你想要包装对 [] 运算符的调用，则实际上必须遵守np.ndarray.__getitem__ 函数的签名。为了获取多维索引，该函数需要一个由int、None或slice对象组成的元组（当使用切片符号时生成slice对象，例如A[1:2] <=> A.__getitem__(slice(1,2))）。尽管使用起来相当麻烦，但如果你遵循numpy数组的约定（总结在此处），便可以包装所有numpy操作。

- val

---

reshape 返回原始数组的视图，不修改原始数组。如果您想要就地进行 redim，必须像这个答案中一样使用 A = A.reshape(newshape)，或者使用 A.resize(newshape) 或 A.shape = newshape 来真正地在原地操作。 - askewchan