np.pad()

最新推荐文章于 2024-08-03 20:35:53 发布

ZivaDavid

最新推荐文章于 2024-08-03 20:35:53 发布

阅读量193

点赞数 3

分类专栏： problem solutions for later 文章标签： python

本文链接：https://blog.youkuaiyun.com/ZivaDavid/article/details/121210045

版权

problem solutions for later 专栏收录该内容

2 篇文章

订阅专栏

在写作业的时候遇到的，np.pad()就像剥洋葱一样，一层一层的加。

比如说：

arr3D = np.array([[[1, 1, 2, 2, 3, 4],
                   [1, 1, 2, 2, 3, 4],
                   [1, 1, 2, 2, 3, 4]],

                  [[0, 1, 2, 3, 4, 5],
                   [0, 1, 2, 3, 4, 5],
                   [0, 1, 2, 3, 4, 5]],

                  [[1, 1, 2, 2, 3, 4],
                   [1, 1, 2, 2, 3, 4],
                   [1, 1, 2, 2, 3, 4]]])

这样一个array，做下面这个操作：

np.pad(array, ((x1, y1), (x2, y2), (x3, y3)), 'constant')

（x1, y1）是对最外面这个中括号操作的，就是对这个中括号里面的元素，按照尺寸，首尾分别添加 x1, y1 个零array（图示为我在终端的操作）。

>>> np.pad(arr3D, ((1, 1), (0, 0), (0, 0)), 'constant')
array([[[0, 0, 0, 0, 0, 0],
        [0, 0, 0, 0, 0, 0],
        [0, 0, 0, 0, 0, 0]],

       [[1, 1, 2, 2, 3, 4],
        [1, 1, 2, 2, 3, 4],
        [1, 1, 2, 2, 3, 4]],

       [[0, 1, 2, 3, 4, 5],
        [0, 1, 2, 3, 4, 5],
        [0, 1, 2, 3, 4, 5]],

       [[1, 1, 2, 2, 3, 4],
        [1, 1, 2, 2, 3, 4],
        [1, 1, 2, 2, 3, 4]],

       [[0, 0, 0, 0, 0, 0],
        [0, 0, 0, 0, 0, 0],
        [0, 0, 0, 0, 0, 0]]])

那么同理可得(x2,y2)就是对第二个中括号首尾加上同规格的零array。

注意arr3D没有变哦。

>>> np.pad(arr3D, ((0,0),(1,1),(0,0)), 'constant')
array([[[0, 0, 0, 0, 0, 0],
        [1, 1, 2, 2, 3, 4],
        [1, 1, 2, 2, 3, 4],
        [1, 1, 2, 2, 3, 4],
        [0, 0, 0, 0, 0, 0]],

       [[0, 0, 0, 0, 0, 0],
        [0, 1, 2, 3, 4, 5],
        [0, 1, 2, 3, 4, 5],
        [0, 1, 2, 3, 4, 5],
        [0, 0, 0, 0, 0, 0]],

       [[0, 0, 0, 0, 0, 0],
        [1, 1, 2, 2, 3, 4],
        [1, 1, 2, 2, 3, 4],
        [1, 1, 2, 2, 3, 4],
        [0, 0, 0, 0, 0, 0]]])

以此类推，(X3,y3)就是对第三组中括号，最小的那组，首尾添加x3,y3个同规格零元素，这里就是0。

>>> np.pad(arr3D, ((0,0),(0,0),(1,1)), 'constant')
array([[[0, 1, 1, 2, 2, 3, 4, 0],
        [0, 1, 1, 2, 2, 3, 4, 0],
        [0, 1, 1, 2, 2, 3, 4, 0]],

       [[0, 0, 1, 2, 3, 4, 5, 0],
        [0, 0, 1, 2, 3, 4, 5, 0],
        [0, 0, 1, 2, 3, 4, 5, 0]],

       [[0, 1, 1, 2, 2, 3, 4, 0],
        [0, 1, 1, 2, 2, 3, 4, 0],
        [0, 1, 1, 2, 2, 3, 4, 0]]])
>>>

我们最后来测试一下维度：

>>> out = np.pad(arr3D, ((0,0),(1,1),(1,1)), 'constant')
>>> out
array([[[0, 0, 0, 0, 0, 0, 0, 0],
        [0, 1, 1, 2, 2, 3, 4, 0],
        [0, 1, 1, 2, 2, 3, 4, 0],
        [0, 1, 1, 2, 2, 3, 4, 0],
        [0, 0, 0, 0, 0, 0, 0, 0]],

       [[0, 0, 0, 0, 0, 0, 0, 0],
        [0, 0, 1, 2, 3, 4, 5, 0],
        [0, 0, 1, 2, 3, 4, 5, 0],
        [0, 0, 1, 2, 3, 4, 5, 0],
        [0, 0, 0, 0, 0, 0, 0, 0]],

       [[0, 0, 0, 0, 0, 0, 0, 0],
        [0, 1, 1, 2, 2, 3, 4, 0],
        [0, 1, 1, 2, 2, 3, 4, 0],
        [0, 1, 1, 2, 2, 3, 4, 0],
        [0, 0, 0, 0, 0, 0, 0, 0]]])
>>> out.shape
(3, 5, 8)

也就是说，array的维度也是从中括号由外往里进行的。