将1D NumPy数组从（隐式）行主要更改为列主要次序

Question

我在NumPy中有一个一维数组，隐式表示一些行 - 主要顺序的二维数据。这里有一个简单的例子：

import numpy as np 
# My data looks like [[1,2,3,4], [5,6,7,8]] 
a = np.array([1,2,3,4,5,6,7,8]) 

我想在列主顺序一维数组（即b = [1,5,2,6,3,7,4,8]在上面的例子）。 通常情况下，我只想做到以下几点：

mat = np.reshape(a, (-1,4)) 
b = mat.flatten('F') 

不幸的是，我的输入数组的长度是不行的长度我想（即a = [1,2,3,4,5,6,7]）的整数倍，所以我不能叫reshape。不过，我想保留这些额外的数据，这可能相当多，因为我的行很长。在NumPy中有没有直接的方法可以做到这一点？

Answer 1

使用一些值来表示null，以使数组成为您想要分割它的倍数。如果转换为浮点数是可接受的，则可以使用nan来表示表示空值的添加元素。然后重塑2D，调用转置，并重塑为1D。然后消除空值。

import numpy as np 
a = np.array([1,2,3,4,5,6,7]) # input 
b = np.concatenate((a, [np.NaN])) # add a NaN to make it 8 = 4x2 
c = b.reshape(2,4).transpose().reshape(8,) # reshape to 2x4, transpose, reshape to 8x1 
d = c[-np.isnan(c)] # remove NaN 
print d 

[ 1. 5. 2. 6. 3. 7. 4.] 

Answer 2

我能想到的最简单的方法是不向尝试使用reshape与方法，如ravel('F')，只是来连接你的阵列的切片意见。

例如：

>>> cols = 4 
>>> a = np.array([1,2,3,4,5,6,7]) 
>>> np.concatenate([a[i::cols] for i in range(cols)]) 
array([1, 5, 2, 6, 3, 7, 4]) 

这适用于阵列的任何长度和任何数量的列：

>>> cols = 5 
>>> b = np.arange(17) 
>>> np.concatenate([b[i::cols] for i in range(cols)]) 
array([ 0, 5, 10, 15, 1, 6, 11, 16, 2, 7, 12, 3, 8, 13, 4, 9, 14]) 

---

或者，使用as_strided重塑。事实上，该阵列a太小，以适应(2, 4)形状并不重要：你只收到垃圾（即无论在内存中的）最后一位：

>>> np.lib.stride_tricks.as_strided(a, shape=(2, 4)) 
array([[  1,   2,   3,   4], 
     [  5,   6,   7, 168430121]]) 

>>> _.flatten('F')[:7] 
array([1, 5, 2, 6, 3, 7, 4]) 

在一般情况下，给定阵列b和列所需数量的cols你可以这样做：

>>> x = np.lib.stride_tricks.as_strided(b, shape=(len(b)//cols + 1, cols)) # reshape to min 2d array needed to hold array b 
>>> np.concatenate((x[:,:len(b)%cols].ravel('F'), x[:-1, len(b)%cols:].ravel('F'))) 

这揭开了阵列的“好”的一部分（这些列不包含垃圾值）和坏的部分（除垃圾值这位于最下面一行）并连接两个解开的数组。例如：

>>> cols = 5 
>>> b = np.arange(17) 
>>> x = np.lib.stride_tricks.as_strided(b, shape=(len(b)//cols + 1, cols)) 
>>> np.concatenate((x[:,:len(b)%cols].ravel('F'), x[:-1, len(b)%cols:].ravel('F'))) 
array([ 0, 5, 10, 15, 1, 6, 11, 16, 2, 7, 12, 3, 8, 13, 4, 9, 14])