从具有适当形状的现有迭代中创建3D numpy数组

Question

我有一个M样本数组，每个样本的形状为：（11,64）所以理论上我的主数组应该有（M，11,64）的形状，但我得到的是（m，）形状

我试过np.array（main_array）但是没有做任何事情。我想知道是否有任何方法让numpy意识到它使用的数据的维度。

我获取数据的方式是以下列方式使用pandas：

main_array = data['source_info'].apply(func_to_create_2d_array_for_each_row).values

Answer 1

np.array不会'压扁'对象dtype数组。你必须使用某种连接。

创建一个数组数组。请注意，我玩了一些游戏来绕过np.array's首选项来创建一个3d数组：

In [5]: arr = np.empty((3,), dtype=object)
In [6]: arr
Out[6]: array([None, None, None], dtype=object)
In [7]: arr[:] = [np.zeros((2,3)) for _ in range(3)]
In [8]: arr
Out[8]: 
array([array([[0., 0., 0.],
       [0., 0., 0.]]),
       array([[0., 0., 0.],
       [0., 0., 0.]]),
       array([[0., 0., 0.],
       [0., 0., 0.]])], dtype=object)

另一个np.array电话没有做任何事情

In [9]: np.array(arr)
Out[9]: 
array([array([[0., 0., 0.],
       [0., 0., 0.]]),
       array([[0., 0., 0.],
       [0., 0., 0.]]),
       array([[0., 0., 0.],
       [0., 0., 0.]])], dtype=object)

stack将arr视为列表，并将元素连接到新轴上。 concatenate将它们连接到现有轴上。

In [10]: np.stack(arr)
Out[10]: 
array([[[0., 0., 0.],
        [0., 0., 0.]],

       [[0., 0., 0.],
        [0., 0., 0.]],

       [[0., 0., 0.],
        [0., 0., 0.]]])
In [11]: np.concatenate(arr, axis=0)
Out[11]: 
array([[0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.]])

如果arr的一个或多个元素的形状不同，那么这将不起作用。

np.array((np.zeros((2,3)), np.zeros((3,2))))毫不费力地创建了一个对象数组 - 可能是一个错误。它不能是stacked。