python - 添加不同形状的 numpy 数组

Question

我想添加两个不同形状的 numpy 数组，但不进行广播，而是将“缺失”值视为零。可能最简单的例子是

[1, 2, 3] + [2] -> [3, 2, 3]

或

[1, 2, 3] + [[2], [1]] -> [[3, 2, 3], [1, 0, 0]]

我事先不知道这些形状。

我正在弄乱每个 np.shape 的输出，试图找到包含它们的最小形状，将每个形状嵌入到该形状的零编辑数组中，然后将它们相加。但是看起来工作量比较大，有没有更简单的方法呢？

提前致谢!

编辑:我所说的“大量工作”是指“为我做大量工作”而不是机器，我寻求优雅而不是效率:我努力获得最小的形状来同时容纳它们

def pad(a, b) :
    sa, sb = map(np.shape, [a, b])
    N = np.max([len(sa),len(sb)])
    sap, sbp = map(lambda x : x + (1,)*(N-len(x)), [sa, sb])
    sp = np.amax( np.array([ tuple(sap), tuple(sbp) ]), 1)

不漂亮:-/

Answer 1

I'm messing around with the output of np.shape for each, trying to find the smallest shape which holds both of them, embedding each in a zero-ed array of that shape and then adding them. But it seems rather a lot of work, is there an easier way?

获取 np.shape 是微不足道的，找到包含两者的最小形状非常容易，当然添加也是微不足道的，所以唯一“大量工作”的部分是“嵌入”每个都在该形状的零数组中。

是的，您可以通过调用 resize 来消除它方法(或 resize 函数，如果你想制作副本而不是就地更改它们)。正如文档所解释的那样:

Enlarging an array: … missing entries are filled with zeros

例如，如果您静态地知道维度:

>>> a1 = np.array([[1, 2, 3], [4, 5, 6]])
>>> a2 = np.array([[2], [2]])
>>> shape = [max(a.shape[axis] for a in (a1, a2)) for axis in range(2)]
>>> a1.resize(shape)
>>> a2.resize(shape)
>>> print(a1 + a2)
array([[3, 4, 3],
       [4, 5, 6]])