在python中展平/重塑3D数组

问题描述

我有一个大小为（450,552,30）的3D向量，其中450 = x维度，552 = y维度和30 =时间步长。本质上是二维对象的延时。我知道可以使用convLSTM和LSTM CNN，但是我想将此数据整理为一维LSTM模型进行测试。

为简化起见，让我们采用2D数组

a = np.array([[1,2,3],[4,5,6],[7,8,9]])

然后将其与第三维连接起来几次

a = np.expand_dims(a,axis=-1)
b = a
b = np.concatenate((b,a),axis=-1)
b = np.concatenate((b,axis=-1)
print(b.shape)
(3,3,4)

使得b只是相同的数据（a），并串联起来作为对我希望实现的完整数据的一种小规模练习。如果我这样做：

b.flatten()
array([1,1,4,6,7,9,9])

这没有给我我想要的答案。我还在寻找：

array([[1,1],[2,2],[3,4],...,[9,9]])

其中满量程输出的尺寸应为（450 * 552，30）。而不是（450 * 552 * 30，）。有一种优雅的方法吗？

解决方法

stack

让一个连接到一个列表（In [66]: b = np.stack([a,a,a],2) In [67]: b.shape Out[67]: (3,3,4) In [68]: b.ravel() Out[68]: array([1,1,2,4,5,6,7,8,9,9]) In [69]: b.reshape(9,4) Out[69]: array([[1,1],[2,2],[3,3],[4,4],[5,5],[6,6],[7,7],[8,8],[9,9]]) 为我们执行expand_dims）：

In [71]: a1=a.reshape(9,1)
In [72]: np.concatenate([a1,a1,a1],axis=1)

OR

In [73]: np.repeat(a1,1)

或

(reshape(k*m,n)

如果您已经有了（k，m，n）数组，请猜测这些最后一个与您无关。您只需要简称(-1,n)或{{1}}。

,

尝试：

cv2.merge([a,a])

输出：

array([[[1,3]],[[4,6]],[[7,9]]],dtype=int32)