将二维数组复制到第三维，N次（Python）

Question

我想将numpy 2D数组复制到第三维。例如，如果我有这样的（2D）numpy的数组：

import numpy as np 
arr = np.array([[1,2],[1,2]]) 

它转换成具有N个这样的拷贝的3D矩阵的新领域，像这样对N = 3：

np.array([[[1,2],[1,2]],[[1,2],[1,2]],[[1,2],[1,2]]]) 

Answer 1

也许最干净的方法是使用np.repeat：

a = np.array([[1, 2], [1, 2]]) 
print(a.shape) 
# (2, 2) 

# indexing with np.newaxis inserts a new 3rd dimension, which we then repeat the 
# array along, (you can achieve the same effect by indexing with None, see below) 
b = np.repeat(a[:, :, np.newaxis], 3, axis=2) 

print(b.shape) 
# (2, 2, 3) 

print(b[:, :, 0]) 
# [[1 2] 
# [1 2]] 

print(b[:, :, 1]) 
# [[1 2] 
# [1 2]] 

print(b[:, :, 2]) 
# [[1 2] 
# [1 2]] 

---

说了这么多，你可以经常避免重蹈你的阵列总共使用broadcasting。例如，假设我想添加一个(3,)向量：

c = np.array([1, 2, 3]) 

到a。我可以在第三维中复制a 3次的内容，然后在第一维和第二维中复制c的内容两次，以便我的两个数组都是(2, 2, 3)，然后计算它们的总和。然而，这是更简单，更快地做到这一点：

d = a[..., None] + c[None, None, :] 

这里，a[..., None]具有形状(2, 2, 1)和c[None, None, :]具有形状(1, 1, 3) *。当我计算总和，结果获得“广播”一起尺寸1的尺寸了，给我塑造(2, 2, 3)的结果：

print(d.shape) 
# (2, 2, 3) 

print(d[..., 0]) # a + c[0] 
# [[2 3] 
# [2 3]] 

print(d[..., 1]) # a + c[1] 
# [[3 4] 
# [3 4]] 

print(d[..., 2]) # a + c[2] 
# [[4 5] 
# [4 5]] 

广播是一个非常强大的技术，因为它避免了参与创建的额外开销在内存中重复输入数组的副本。

---

*虽然我包括他们清楚，None指数为c没有实际需要 - 你也可以做a[..., None] + c，即广播针对(3,)阵列(2, 2, 1)阵列。这是因为如果其中一个阵列的尺寸比另一个小，那么只有两个阵列的尺寸需要兼容。举一个更复杂的例子：

a = np.ones((6, 1, 4, 3, 1)) # 6 x 1 x 4 x 3 x 1 
b = np.ones((5, 1, 3, 2))  #  5 x 1 x 3 x 2 
result = a + b    # 6 x 5 x 4 x 3 x 2 

Answer 2

另一种方法是使用numpy.dstack。假设你要重复的矩阵anum_repeats时间：

import numpy as np 
b = np.dstack([a]*num_repeats) 

诀窍是矩阵a包装成一个单一的元素的列表，然后使用*操作复制的元素在此列表中num_repeats倍。

例如，如果：

a = np.array([[1, 2], [1, 2]]) 
num_repeats = 5 

这重复的[1 2; 1 2] 5次在第三维阵列。为了验证（在IPython的）：

In [110]: import numpy as np 

In [111]: num_repeats = 5 

In [112]: a = np.array([[1, 2], [1, 2]]) 

In [113]: b = np.dstack([a]*num_repeats) 

In [114]: b[:,:,0] 
Out[114]: 
array([[1, 2], 
     [1, 2]]) 

In [115]: b[:,:,1] 
Out[115]: 
array([[1, 2], 
     [1, 2]]) 

In [116]: b[:,:,2] 
Out[116]: 
array([[1, 2], 
     [1, 2]]) 

In [117]: b[:,:,3] 
Out[117]: 
array([[1, 2], 
     [1, 2]]) 

In [118]: b[:,:,4] 
Out[118]: 
array([[1, 2], 
     [1, 2]]) 

In [119]: b.shape 
Out[119]: (2, 2, 5) 

最后，我们可以看到，基体的形状是2 x 2，与在第三维5片。

Answer 3

A=np.array([[1,2],[3,4]]) 
B=np.asarray([A]*N) 

编辑@ Mr.F，维护维序：

B=B.T 

Answer 4

这里有一个广播的例子，不被要求什么。

a = np.array([[1, 2], [1, 2]]) 
a=a[:,:,None] 
b=np.array([1]*5)[None,None,:] 

然后b*a是理想的结果和(b*a)[:,:,0]产生array([[1, 2],[1, 2]])，这是原来a一样，(b*a)[:,:,1]等