4

我有 K 个特征向量，它们都共享维度 n，但具有可变维度 m (nxm)。他们都住在一个列表中。

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]])

我正在寻找的是一种对这些 np.array 的行进行零填充的智能方法，以使它们都共享相同的维度 m。我试过用 np.pad 解决它，但我还没能想出一个漂亮的解决方案。任何朝着正确方向的帮助或轻推将不胜感激！

结果应该使数组看起来像这样：

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]])
4

2 回答 2

4

您可以使用np.pad它，它也可以2-D使用指定填充宽度的值元组来填充数组，((top, bottom), (left, right)). 为此，您可以定义：

def pad_to_length(x, m):
    return np.pad(x,((0, 0), (0, m - x.shape[1])), mode = 'constant')

用法

您可以从查找ndarray列数最多的开始。假设你有两个，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

然后使用此参数填充ndarrays：

pad_to_length(a, m)
array([[0, 1, 2, 0, 0],
       [3, 4, 5, 0, 0],
       [6, 7, 8, 0, 0]])
于 2019-02-08T11:12:35.713 回答
2

我相信对此没有非常有效的解决方案。我认为您将需要使用 for 循环遍历列表并单独处理每个数组：

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

maxM列表中最长m的矩阵在哪里。

于 2019-02-08T11:11:47.540 回答