如何将 3d numpy 数组转换为 2d

Question

我有一个像这样的 3d 矩阵

np.arange(16).reshape((4,2,2))

array([[[ 0,  1],
        [ 2,  3]],

        [[ 4,  5],
        [ 6,  7]],

        [[ 8,  9],
        [10, 11]],

        [[12, 13],
        [14, 15]]])

并想以网格格式堆叠它们，最终得到

array([[ 0,  1,  4,  5],
       [ 2,  3,  6,  7],
       [ 8,  9, 12, 13],
       [10, 11, 14, 15]])

有没有一种方法可以在不明确地

hstack

ing（和/或

vstack

ing）它们或添加额外的维度和重塑的情况下进行？

Answer 1

In [27]: x = np.arange(16).reshape((4,2,2))

In [28]: x.reshape(2,2,2,2).swapaxes(1,2).reshape(4,-1)
Out[28]: 
array([[ 0,  1,  4,  5],
       [ 2,  3,  6,  7],
       [ 8,  9, 12, 13],
       [10, 11, 14, 15]])

---

我在这里发布了更通用的函数，用于将数组重新整形/取消整形为块，。

Answer 2

将 3d 数组转换为 2d 数组，

transpose()

 是一个非常有用的函数。例如，为了在 OP 中得出预期结果，在通过添加额外维度进行重塑后，可以使用 

transpose()

 交换第二个和第三个轴。

arr = np.arange(16).reshape(4,2,2)
reshaped_arr = arr.reshape(2,2,2,2).transpose(0,2,1,3).reshape(4,-1)

---

从表面上看，它与

swapaxes()

 执行相同的工作，但由于 

transpose()

 允许轴的任何排列，因此它更加灵活。例如，要进行以下转换，必须交换两个轴，因此 

swapaxes()

 必须调用两次，但可以通过单个 

transpose()

 调用来处理。

reshaped_arr = arr.reshape(2,2,2,2).transpose(1,2,0,3).reshape(4,-1)

Answer 3

使用 Einsum :

import numpy as np

# Original 3D array
a = np.arange(16).reshape((4, 2, 2))
print(a)
'''
[[[ 0  1]
  [ 2  3]]

 [[ 4  5]
  [ 6  7]]

 [[ 8  9]
  [10 11]]

 [[12 13]
  [14 15]]]
'''

using_einsum = np.einsum('abcd -> acbd',a.reshape(2,2,2,2)).reshape(4,4)
print(using_einsum)
'''
[[ 0  1  4  5]
 [ 2  3  6  7]
 [ 8  9 12 13]
 [10 11 14 15]]
'''