在最后用零填充数组的更pythonic方法是什么?
def pad(A, length):
...
A = np.array([1,2,3,4,5])
pad(A, 8) # expected : [1,2,3,4,5,0,0,0]
在我的实际用例中,实际上我想将数组填充到最接近 1024 的倍数。例如:1342 => 2048, 3000 => 3072
在最后用零填充数组的更pythonic方法是什么?
def pad(A, length):
...
A = np.array([1,2,3,4,5])
pad(A, 8) # expected : [1,2,3,4,5,0,0,0]
在我的实际用例中,实际上我想将数组填充到最接近 1024 的倍数。例如:1342 => 2048, 3000 => 3072
numpy.pad
with constant
mode 可以满足您的需要,我们可以在其中传递一个元组作为第二个参数来告诉每个尺寸要填充多少个零,(2, 3)
例如将在左侧填充2 个零,在右侧填充3 个零:
给出A
为:
A = np.array([1,2,3,4,5])
np.pad(A, (2, 3), 'constant')
# array([0, 0, 1, 2, 3, 4, 5, 0, 0, 0])
也可以通过将元组的元组作为填充宽度传递来填充 2D numpy 数组,其格式为((top, bottom), (left, right))
:
A = np.array([[1,2],[3,4]])
np.pad(A, ((1,2),(2,1)), 'constant')
#array([[0, 0, 0, 0, 0], # 1 zero padded to the top
# [0, 0, 1, 2, 0], # 2 zeros padded to the bottom
# [0, 0, 3, 4, 0], # 2 zeros padded to the left
# [0, 0, 0, 0, 0], # 1 zero padded to the right
# [0, 0, 0, 0, 0]])
对于您的情况,您指定左侧为零,右侧焊盘从模除法计算得出:
B = np.pad(A, (0, 1024 - len(A)%1024), 'constant')
B
# array([1, 2, 3, ..., 0, 0, 0])
len(B)
# 1024
对于更大的A
:
A = np.ones(3000)
B = np.pad(A, (0, 1024 - len(A)%1024), 'constant')
B
# array([ 1., 1., 1., ..., 0., 0., 0.])
len(B)
# 3072
备查:
def padarray(A, size):
t = size - len(A)
return np.pad(A, pad_width=(0, t), mode='constant')
padarray([1,2,3], 8) # [1 2 3 0 0 0 0 0]
对于您的用例,您可以使用resize()方法:
A = np.array([1,2,3,4,5])
A.resize(8)
这将调整A
大小。如果有A
numpy 的引用会抛出一个 vale 错误,因为引用的值也会被更新。允许这个添加refcheck=False
选项。
该文档指出缺失值将是0
:
扩大数组:如上,但缺少的条目用零填充
这应该有效:
def pad(A, length):
arr = np.zeros(length)
arr[:len(A)] = A
return arr
如果你初始化一个np.empty(length)
空数组A
(zeros
为了获得要填补的价值,我认为您可能只使用以下内容divmod
:
n, remainder = divmod(len(A), 1024)
n += bool(remainder)
基本上,这只是计算出 1024 将数组的长度除以多少次(以及该除法的余数是多少)。如果没有余数,那么您只需要n * 1024
元素。如果有余数,那么你想要(n + 1) * 1024
.
全部一起:
def pad1024(A):
n, remainder = divmod(len(A), 1024)
n += bool(remainder)
arr = np.zeros(n * 1024)
arr[:len(A)] = A
return arr
有np.pad
:
A = np.array([1, 2, 3, 4, 5])
A = np.pad(A, (0, length), mode='constant')
关于您的用例,需要填充的零数可以计算为length = len(A) + 1024 - 1024 % len(A)
.
你也可以使用numpy.pad
:
>>> A = np.array([1,2,3,4,5])
>>> npad = 8 - len(A)
>>> np.pad(A, pad_width=npad, mode='constant', constant_values=0)[npad:]
array([1, 2, 3, 4, 5, 0, 0, 0])
在一个函数中:
def pad(A, npads):
_npads = npads - len(A)
return np.pad(A, pad_width=_npads, mode='constant', constant_values=0)[_npads:]