Cómo aplanar solo algunas dimensiones de una matriz numpy

¿Existe una forma rápida de “subaplanar” o aplanar solo algunas de las primeras dimensiones en una matriz numpy?

Por ejemplo, dada una matriz numpy de dimensiones (50,100,25)las dimensiones resultantes serían (5000,25)

Echa un vistazo a numpy.reformar .

>>> arr = numpy.zeros((50,100,25))
>>> arr.shape
# (50, 100, 25)

>>> new_arr = arr.reshape(5000,25)
>>> new_arr.shape   
# (5000, 25)

# One shape dimension can be -1. 
# In this case, the value is inferred from 
# the length of the array and remaining dimensions.
>>> another_arr = arr.reshape(-1, arr.shape[-1])
>>> another_arr.shape
# (5000, 25)

Una ligera generalización de la respuesta de Alexander: np.reshape puede tomar -1 como argumento, lo que significa “tamaño total de la matriz dividido por el producto de todas las demás dimensiones enumeradas”:

por ejemplo, para aplanar todo menos la última dimensión:

>>> arr = numpy.zeros((50,100,25))
>>> new_arr = arr.reshape(-1, arr.shape[-1])
>>> new_arr.shape
# (5000, 25)

Una ligera generalización de la respuesta de Peter: puede especificar un rango sobre la forma de la matriz original si desea ir más allá de las matrices tridimensionales.

por ejemplo, para aplanar todo menos el último dos dimensiones:

arr = numpy.zeros((3, 4, 5, 6))
new_arr = arr.reshape(-1, *arr.shape[-2:])
new_arr.shape
# (12, 5, 6)

EDITAR: una ligera generalización de mi respuesta anterior: por supuesto, también puede especificar un rango al comienzo de la remodelación:

arr = numpy.zeros((3, 4, 5, 6, 7, 8))
new_arr = arr.reshape(*arr.shape[:2], -1, *arr.shape[-2:])
new_arr.shape
# (3, 4, 30, 7, 8)

Un enfoque alternativo es utilizar numpy.resize() como en:

In [37]: shp = (50,100,25)
In [38]: arr = np.random.random_sample(shp)
In [45]: resized_arr = np.resize(arr, (np.prod(shp[:2]), shp[-1]))
In [46]: resized_arr.shape
Out[46]: (5000, 25)

# sanity check with other solutions
In [47]: resized = np.reshape(arr, (-1, shp[-1]))
In [48]: np.allclose(resized_arr, resized)
Out[48]: True

numpy.vstack es perfecto para esta situación

import numpy as np
arr = np.ones((50,100,25))
np.vstack(arr).shape
> (5000, 25)

prefiero usar stack, vstack o hstack sobre reshape porque reshape simplemente escanea los datos y parece aplicar fuerza bruta en la forma deseada. Esto puede ser problemático si, por ejemplo, va a tomar promedios de columna.

Aquí hay una ilustración de lo que quiero decir. Supongamos que tenemos la siguiente matriz

>>> arr.shape
(2, 3, 4)
>>> arr 
array([[[1, 2, 3, 4],
        [1, 2, 3, 4],
        [1, 2, 3, 4]],

       [[7, 7, 7, 7],
        [7, 7, 7, 7],
        [7, 7, 7, 7]]])

Aplicamos ambos métodos para obtener una matriz de forma (3,8)

>>> arr.reshape((3,8)).shape
(3, 8)
>>> np.hstack(arr).shape 
(3, 8)

Sin embargo, si observamos cómo se han reconfigurado en cada caso, la hstack nos permitiría tomar sumas de columnas que también podríamos haber calculado a partir de la matriz original. Con remodelar esto no es posible.

>>> arr.reshape((3,8))
array([[1, 2, 3, 4, 1, 2, 3, 4],
       [1, 2, 3, 4, 7, 7, 7, 7],
       [7, 7, 7, 7, 7, 7, 7, 7]])
>>> np.hstack(arr)
array([[1, 2, 3, 4, 7, 7, 7, 7],
       [1, 2, 3, 4, 7, 7, 7, 7],
       [1, 2, 3, 4, 7, 7, 7, 7]])