Łatwy sposób na zwinięcie końcowych wymiarów tablicy numpy?

Question

w Matlab, można wykonać następujące czynności:

X = randn(25,25,25); 
size(X(:,:)) 

ans = 
    25 625 

I często znajduję się chcąc szybko zwijać końcowe wymiary tablicy, i nie wiem, jak to zrobić w numpy.

wiem, że mogę to zrobić:

In [22]: x = np.random.randn(25,25,25) 
In [23]: x = x.reshape(x.shape[:-2] + (-1,)) 
In [24]: x.shape 
Out[24]: (25, 625) 

ale x.reshape(x.shape[:-2] + (-1,)) jest dużo mniej zwięzły (i wymaga więcej informacji o x) niż po prostu robi x(:,:).

Mam oczywiście próbowaliśmy analogiczną numpy indeksowanie, ale to nie działa zgodnie z oczekiwaniami:

In [25]: x = np.random.randn(25,25,25) 
In [26]: x[:,:].shape 
Out[26]: (25, 25, 25) 

żadnych wskazówek, w jaki sposób zwijać końcowe wymiary tablicy w zwięzły sposób?

Edycja: zauważ, że szukam wynikowej tablicy, a nie tylko jej kształtu. Używam tylko size() i x.shape w powyższych przykładach, aby wskazać, jaka jest tablica.

Answer 1

Co ma się stać z 4d lub wyższym?

octave:7> x=randn(25,25,25,25); 
octave:8> size(x(:,:)) 
ans = 
     25 15625 

Twój (:,:) redukuje go do 2 wymiarów, łącząc ostatnie. Ostatni wymiar to miejsce, w którym MATLAB automatycznie dodaje i zwija wymiary.

In [605]: x=np.ones((25,25,25,25)) 

In [606]: x.reshape(x.shape[0],-1).shape # like Joe's 
Out[606]: (25, 15625) 

In [607]: x.reshape(x.shape[:-2]+(-1,)).shape 
Out[607]: (25, 25, 625) 

Twój reshape przykład robi coś innego od MATLAB, to po prostu upadnie ostatni 2. Zwijanie go w dół do 2 wymiarach jak MATLAB jest prostsze wyrażenie.

MATLAB jest zwięzły, ponieważ Twoje potrzeby są zgodne z jego założeniami. Równowartość numpy nie jest tak zwięzły, ale daje większą kontrolę

Na przykład, aby utrzymać ostatni wymiar lub połączyć Rozmiary 2 od 2:

In [608]: x.reshape(-1,x.shape[-1]).shape 
Out[608]: (15625, 25) 
In [610]: x.reshape(-1,np.prod(x.shape[-2:])).shape 
Out[610]: (625, 625) 

Co to jest równoważne MATLAB?

octave:24> size(reshape(x,[],size(x)(2:end))) 
ans = 
15625  25 
octave:31> size(reshape(x,[],prod(size(x)(3:end)))) 

Answer 2

Można użyć np.hstack:

>>> np.hstack(x).shape 
(25, 625) 

np.hstack ake sekwencji tablic i ułóż je w poziomie, aby wykonać jedną tablicę.

Answer 3

Może się okazać, że bardziej zwięzłe jest modyfikowanie atrybutu shape bezpośrednio. Na przykład:

import numpy as np 

x = np.random.randn(25, 25, 25) 
x.shape = x.shape[0], -1 

print x.shape 
print x 

To jest funkcjonalnym odpowiednikiem reshape (w sensie porządkowania danych, etc). Oczywiście nadal wymaga to tych samych informacji o kształcie x, ale jest to bardziej zwięzły sposób obsługi zmiany kształtu.