将2D数组转换为3D numpy数组

Question

我创建了一个numpy数组，数组的每个元素都包含一个形状相同的数组（9,5）。我想要的是一个三维阵列。在

我试过用np.堆栈. 在

data = list(map(lambda x: getKmers(x, 9), data)) # getKmers creates a       
                                                 # list of list from a pandas dataframe
data1D = np.array(data)                          # shape (350,)
data2D = np.stack(data1D)

---

^{pr2}$

我得到这个错误： 无法将大小为9的序列复制到维度为5的数组轴

我想创建一个3D矩阵，其中每个子阵列都在新的3D维度中。我想新的形状应该是（95350）

Answer 1

You need to use

 data.reshape((data.shape[0], data.shape[1], 1))

Example

^{pr2}$

Running the example first prints the size of each dimension in the 2D array, reshapes the array, then summarizes the shape of the new 3D array.

Result

(3,2)
(3,2,1)

Source :https://machinelearningmastery.com/index-slice-reshape-numpy-arrays-machine-learning-python/

Answer 2

如果你想创建一个3D矩阵，其中每个子数组都在新的3D维中，那么最终的形状不是(350,9,5)？在这种情况下，您可以简单地使用：

new_array = np.asarray(data).reshape(350,9,5)

Answer 3

从您的问题看来，getKmers（x，9）生成一个由9个长度350个列表组成的列表，data输入有5个元素。你需要一个（9350）数组。这可以通过以下方式实现：

arr = np.swapaxes([getKermers(x, 9) for x in data], 0, 1)

注意，swapaxes与整形不同。如果你只是做np.array([getKermers(x, 9) for x in data]).reshape(9, 5, 350)，你会得到想要的输出形状，但是你的数据顺序会错误。在