Добавление измерения к каждому элементу numpy.array
Я пытаюсь преобразовать каждый элемент массива numpy в сам массив (скажем, чтобы интерпретировать изображение в оттенках серого как цветное изображение). Другими словами:
>>> my_ar = numpy.array((0,5,10))
[0, 5, 10]
>>> transformed = my_fun(my_ar) # In reality, my_fun() would do something more useful
array([
[ 0, 0, 0],
[ 5, 10, 15],
[10, 20, 30]])
>>> transformed.shape
(3, 3)
Я пробовал:
def my_fun_e(val):
return numpy.array((val, val*2, val*3))
my_fun = numpy.frompyfunc(my_fun_e, 1, 3)
но получите:
my_fun(my_ar)
(array([[0 0 0], [ 5 10 15], [10 20 30]], dtype=object), array([None, None, None], dtype=object), array([None, None, None], dtype=object))
и я пробовал:
my_fun = numpy.frompyfunc(my_fun_e, 1, 1)
но получите:
>>> my_fun(my_ar)
array([[0 0 0], [ 5 10 15], [10 20 30]], dtype=object)
Это близко, но не совсем верно - я получаю массив объектов, а не массив int.
Обновление 3! ОК. Я заранее понял, что мой пример был слишком простым - я не просто хочу реплицировать свои данные в третьем измерении, я хотел бы преобразовать их одновременно. Может это понятнее?
Ответы 4
Я предлагаю:
numpy.resize(my_ar, (3,3)).transpose()
Вы, конечно, можете адаптировать форму (my_ar.shape[0],)*2 или что-то еще
Делает ли это то, что вы хотите:
tile(my_ar, (1,1,3))
Делает ли numpy.dstack то, что вы хотите? Первые два индекса совпадают с исходным массивом, а новый третий индекс - «глубина».
>>> import numpy as N
>>> a = N.array([[1,2,3],[4,5,6],[7,8,9]])
>>> a
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
>>> b = N.dstack((a,a,a))
>>> b
array([[[1, 1, 1],
[2, 2, 2],
[3, 3, 3]],
[[4, 4, 4],
[5, 5, 5],
[6, 6, 6]],
[[7, 7, 7],
[8, 8, 8],
[9, 9, 9]]])
>>> b[1,1]
array([5, 5, 5])
Используйте карту, чтобы применить вашу функцию преобразования к каждому элементу в my_ar:
import numpy
my_ar = numpy.array((0,5,10))
print my_ar
transformed = numpy.array(map(lambda x:numpy.array((x,x*2,x*3)), my_ar))
print transformed
print transformed.shape
Обратите внимание, что
numpy.dstackявно работает с 3-м измерением. Он также поддерживается для обратной совместимости. Предпочтительно использование numpy.stack.