Python 打包不同维度的 numpy 数组

Question

我想在通过 np.save 保存 numpy 数组之前先把它们压缩起来。对于一维数组的压缩，我使用了

import numpy as np

a = np.ones(4) * 5.
b = np.ones(4) * 4.
data = np.array(zip(a, b))

这正好满足我的需求。现在我有更多的数据，比如说

c = numpy.ones((2, 4))

但是

data = np.array(zip(a, b, c))

这样就不行了。我可以这样做

data = np.array(zip(a, b, c[0], c[1]))

不过这样的话，c 的“深度”就会变化。我的解决方案是

data = np.insert(c, 0, b, axis=0)
data = np.insert(data, 0, a, axis=0)
data = zip(*data)

但这样读起来感觉不太好。感谢任何建议。

Answer 1

如果你只是想保存多个不同维度的数组，我不建议使用zip。可以使用np.savez或者np.savez_compressed。这些函数专门用来保存多个数组（可以是任意维度的）。

使用zip特别不推荐，因为它在Python3中返回的是一个迭代器，而不是一个元组列表。对这个迭代器调用np.array会创建一个只有一个元素的数组，类型是object，这可能不是你想要的结果。我在保存和加载后无法恢复被压缩的数据。

Answer 2

在调用 zip 时，可以使用 * 操作符来“解包” c：

data = np.array(zip(a, b, *c))
data.shape
=> (4, 4)

（你也可以不使用 zip，直接用 numpy 的方法，比如使用 vstack，正如 @metaperture 提到的那样，这可能是更好的方法。不过，这个回答展示了如何正确地做你最初想做的事情。）

Answer 3

我会使用numpy的hstack或vstack：

a = np.ones(4) * 5
b = np.ones(4) * 4
c = np.ones((2, 4))
data = np.vstack([a,b,c]).T

补充：其实我现在主要使用np.row_stack和column_stack，因为我觉得它们比hstack或vstack更自然：

    data = np.column_stack([a,b,c.T])