在指定维度上以任意维度大小堆叠数组

Question

考虑以下数据：

data = np.array([[i for i in range(3)] for _ in range(9)])
print(data)
print(f'data has shape {data.shape}')

[[0 1 2]
 [0 1 2]
 [0 1 2]
 [0 1 2]
 [0 1 2]
 [0 1 2]
 [0 1 2]
 [0 1 2]
 [0 1 2]]
data has shape (9, 3)

还有一些参数，我们称之为

history

。 history 的功能是，它在第一个维度上堆叠

history

许多数组

[0 1 2]

。例如，考虑该过程的 1 次迭代

history=2

history = 2
data = np.array([[[0, 1, 2], [0, 1, 2]]])
print(f'data has now shape {data.shape}')
data has now shape (1, 2, 3)

现在，让我们考虑 2 次迭代：

history = 2
data = np.array([[[0, 1, 2], [0, 1, 2]],[[0, 1, 2], [0, 1, 2]]])
print(f'data has now shape {data.shape}')
data has now shape (2, 2, 3)

这个过程应该重复，直到数据被完全处理。这意味着，我们可能会在最后丢失一些数据，因为

data.shape[0]/history % 2 != 0

。 因此，

history=2

的最终结果将是

     ([[[0, 1, 2],
        [0, 1, 2]],

       [[0, 1, 2],
        [0, 1, 2]],

       [[0, 1, 2],
        [0, 1, 2]],

       [[0, 1, 2],
        [0, 1, 2]]])

如何做到高效？

Answer 1

如果我没理解错的话，你可以切片，然后重塑：

history = 2

out = data[:data.shape[0]//history*history].reshape((-1, history, data.shape[1]))

输出：

array([[[0, 1, 2],
        [0, 1, 2]],

       [[0, 1, 2],
        [0, 1, 2]],

       [[0, 1, 2],
        [0, 1, 2]],

       [[0, 1, 2],
        [0, 1, 2]]])