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?
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:
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)
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。
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 arrayhttps://stackoverflow.com/questions/14154456
复制相似问题