我有 K 個特征向量，它們都共享維度 n 但具有可變維度 m (nxm)。他們都生活在一個列表中。to_be_padded = []to_be_padded.append(np.reshape(np.arange(9),(3,3)))array([[0, 1, 2], [3, 4, 5], [6, 7, 8]])to_be_padded.append(np.reshape(np.arange(18),(3,6)))array([[ 0, 1, 2, 3, 4, 5], [ 6, 7, 8, 9, 10, 11], [12, 13, 14, 15, 16, 17]])to_be_padded.append(np.reshape(np.arange(15),(3,5)))array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14]])我正在尋找的是一種對這些 np.arrays 的行進行零填充的智能方法，以便它們共享相同的維度 m。我試過用 np.pad 解決它，但我還沒有想出一個漂亮的解決方案。任何在正確方向上的幫助或推動將不勝感激！結果應該使數組看起來像這樣：array([[0, 1, 2, 0, 0, 0], [3, 4, 5, 0, 0, 0], [6, 7, 8, 0, 0, 0]])array([[ 0, 1, 2, 3, 4, 5], [ 6, 7, 8, 9, 10, 11], [12, 13, 14, 15, 16, 17]])array([[ 0, 1, 2, 3, 4, 0], [ 5, 6, 7, 8, 9, 0], [10, 11, 12, 13, 14, 0]])
2 回答
絕地無雙
TA貢獻1946條經驗 獲得超4個贊
您可以使用np.pad它，它還可以2-D使用指定填充寬度的值元組來填充數組，((top, bottom), (left, right)). 為此，您可以定義：
def pad_to_length(x, m):
return np.pad(x,((0, 0), (0, m - x.shape[1])), mode = 'constant')
用法
您可以從查找ndarray列數最多的開始。假設你有兩個，a并且b：
a = np.array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
b = np.array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]])
m = max(i.shape[1] for i in [a,b])
# 5
然后使用此參數來填充ndarrays：
pad_to_length(a, m)
array([[0, 1, 2, 0, 0],
[3, 4, 5, 0, 0],
[6, 7, 8, 0, 0]])
莫回無
TA貢獻1865條經驗 獲得超7個贊
我相信對此沒有非常有效的解決方案。我認為您需要使用 for 循環遍歷列表并單獨處理每個數組：
for i in range(len(to_be_padded)):
padded = np.zeros((n, maxM))
padded[:,:to_be_padded[i].shape[1]] = to_be_padded[i]
to_be_padded[i] = padded
列表中maxM最長m的矩陣在哪里。
添加回答
舉報
0/150
提交
取消