python将两个二维array叠加成三维array的实现方法

妖狐艹你老母 2022-05-24 06:37 275阅读 0赞

## python将两个二维array叠加成三维array的实现方法 ##

遇到这样一个需求：程序中每次循环生成一个二维array，需要把每次循环的二维array叠加成一个三维的array，例如有如下两个矩阵：

(1) A = \[ a 11 a 12 a 13 a 21 a 22 a 23 a 11 a 12 a 13 \] A = \\begin\{bmatrix\} a\_\{11\} & a\_\{12\} & a\_\{13\} \\\\ a\_\{21\} & a\_\{22\} & a\_\{23\} \\\\ a\_\{11\} & a\_\{12\} & a\_\{13\} \\end\{bmatrix\} \\tag\{1\} A=⎣⎡a11a21a11a12a22a12a13a23a13⎦⎤(1)

(2) B = \[ b 11 b 12 b 13 b 21 b 22 b 23 b 11 b 12 b 13 \] B = \\begin\{bmatrix\} b\_\{11\} & b\_\{12\} & b\_\{13\}\\\\ b\_\{21\} & b\_\{22\} & b\_\{23\} \\\\ b\_\{11\} & b\_\{12\} & b\_\{13\} \\end\{bmatrix\} \\tag\{2\} B=⎣⎡b11b21b11b12b22b12b13b23b13⎦⎤(2)

组合成以下这种形式：  
![这里写图片描述][70]  
这样组合之后，有一个非常大的优点就是：保持原有的二维array的形式不变，便于以后取出，比如说我想从C中取出A，只需要执行：`A=C[0,:]`即可。

但是百度之后发现，在python中，numpy函数包中并没有对应的函数来实现三维array中不断添加二维array（有知道这个函数的欢迎在评论区告诉我）

这里，提供两种“曲线救国”的解决方案：

#### 方法一： ####

对于两个（或者多个）同一维度的矩阵，直接利用`np.array()`重新构造一个array,这样可以变相起到扩展维数的作用。例如：

import numpy as np
    
    a = np.array([[1,2,3],[4,5,6]])
    b = np.array([[2,2,3],[4,5,6]])
    c = np.array([[3,2,3],[4,5,6]])
    print('矩阵a：\n',a)
    print('维数：',a.shape)
    
    com = np.array([a,b,c])
    print('合并矩阵：\n',com)
    print('维数：',com.shape)

输出结果为：

矩阵a：
     [[1 2 3]
     [4 5 6]]
    维数： (2, 3)
    合并矩阵：
     [[[1 2 3]
      [4 5 6]]
    
     [[2 2 3]
      [4 5 6]]
    
     [[3 2 3]
      [4 5 6]]]
    维数： (3, 2, 3)

#### 方法二： ####

但是，如果两个array，使用方法一时会出现如下结果：

import numpy as np
    
    aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])
    a = np.array([[4,2,3],[4,5,6]])
    
    com = np.array([aa,a])
    print('合并矩阵：\n',com)
    print('维数：',com.shape)

输出结果：

合并矩阵：
     [array([[[1, 2, 3],
            [4, 5, 6]],
    
           [[2, 2, 3],
            [4, 5, 6]],
    
           [[3, 2, 3],
            [4, 5, 6]]])
     array([[4, 2, 3],
           [4, 5, 6]])]
    维数： (2,)

可以看到：输出的维数不对，以上方法就不适用了。

那么，我们就需要利用`np.append`和`array.reshape()`函数对数组进行拼接之后重组，具体实现如下：

import numpy as np
    
    aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])
    a = np.array([[4,2,3],[4,5,6]])
    data = np.append(aa,a)#先拼接成一个行向量
    print(data)
    
    dim = aa.shape#获取原矩阵的维数
    print('原矩阵维数：',dim)
    data1 = data.reshape(dim[0]+1,dim[1],dim[2])#再通过原矩阵的维数重新组合
    
    print('合并矩阵：\n',data1)
    print('维数：',data1.shape)

输出结果：

![这里写图片描述][70 1]

#### 方法三： ####

相比于前两种方法，这种方法可谓“曲线救国”之典范，具体思路是：先转化成list，拼接后再转化回去。  
这是因为list中的`append()`函数可以在添加函数的时候不改变原来list的维度。虽然没有对这种方法进行一个速度测试，但直觉来看时间复杂度挺高的，建议慎用。

aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])
    a = np.array([[4,2,3],[4,5,6]])
    
    #将array转换成list
    aa = aa.tolist(aa)
    a = a.tolist(a)
    
    aa.append(a)#注意与方法二中np.append()用法的区别
    com = np.array(aa)
    print(com.shape)

输出结果：

合并矩阵：
          [[[1 2 3]
            [4 5 6]]
    
           [[2 2 3]
            [4 5 6]]
    
           [[3 2 3]
            [4 5 6]]
            
           [[4 2 3]
           [4, 5, 6]]]
    维数： (4,2,3)

**这里注意：**  
两种类型的相互转换函数：

1.  array转list：`a = a.tolist()`
2.  list转array：`a =np.array(a)`

这里需要注意：`A.tolist` 和 `list(A)` 外表看，都是把一个array转换成list，但是两者还是有一些区别的。看下边这个例子：

A = np.reshape(np.arange(6),(3,2)) #生成一个3行2列的array
    print（"数组A：",A）
    print('A.tolist():',A.tolist())
    print('list(A): ',list(A))

结果如下：

数组A：
    array([[0, 1],
           [2, 3],
           [4, 5]])
    
    A.tolist(): [[0, 1], [2, 3], [4, 5]]
    
    list(A): [array([0, 1]), array([2, 3]), array([4, 5])]

可以看到：list(A)只是把最外层的array变成了list，但是里边的每个向量都还是array类型。

最后吐槽一句，其实numpy包中对于一位数组和二维数组的拼接，可选函数很多，但是唯独没有考虑更高维数组的拼接。甚至连重写的append函数都没有原来的好用，真是青出于蓝而败于蓝啊，痛心。强烈建议numpy包在未来的更新中尽快解决这个问题。

在深度学习中，也有类似于这样的需求，比如用图片来训练模型时，彩色图片就是一个个三维数组，需要把一批图片都送到网络中就需要把多个三维矩阵叠加。  
tensorflow貌似提供了这样的函数，在搭建深度学习框架时可以直接使用，以后有机会继续扩展。

### 扩展阅读： ###

最后，附几个二维array中，添加一行或者一列元素的函数：

##### 1 . np.append(a,b,axis=数字) #####

其中：

1.  没有axis属性：把所有元素展开
2.  axis = 0：添加添加n行
3.  axis = 1：添加n列

口诀：**0行1列**，适用于所有的numpy函数的axis属性。

##### 2.增加一行或者一列。 #####

b = np.row_stack((a, 行元素))# 添加行
    c = np.column_stack((a, 列元素)) #添加列

1.  [Numpy 快速入门之玩转数组 展平+转置+组合+分割+数组属性][Numpy _]

[70]: /images/20220524/f1080bec77f8445d8d6a30571baf0ebe.png
[70 1]: /images/20220524/36c0cfbe46224fe499cb7f21a6e22edf.png
[Numpy _]: https://www.douban.com/note/518335786/?type=like