首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >numpy.concatenate多维数组

numpy.concatenate多维数组
EN

Stack Overflow用户
提问于 2013-01-04 17:31:21
回答 2查看 1.5K关注 0票数 4

我正在寻找一种算法,将给定数量的多维数组(每个多维数组具有相同的形状)合并到给定的比例(x,y,z)。

例如,具有形状(128,128,128)和比例(1,1,4)的4个阵列的形状(128,128,512)的阵列。或具有形状(64,64,64)和与形状(64,128,64)的阵列的比例(1,2,1)的2个阵列

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无法工作-这会打乱订单)

编辑:可能的比例是(1,2,3),然后有必要比较盒子的left_edge,以知道将其放置在哪里。每个数组都有一个对应的块,其属性为left_edge (xmin,ymin,zmin)。我能用if条件解决这个问题吗?

EN

回答 2

Stack Overflow用户

发布于 2013-01-04 17:34:59

如果您的比例始终是一维的(即,仅在一个维度中连接),则可以使用以下方法:

代码语言:javascript
复制
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)

票数 1
EN

Stack Overflow用户

发布于 2013-01-04 19:32:01

好的,我以这种方式编程,它似乎起作用了。也许不是最好的方式,但它做了我想要的。

代码语言:javascript
复制
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
票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/14154456

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档