python - 在 Numpy 里如何高效地定制矩陣？

問題描述

比如我想要這樣的矩陣：

In [10]: np.array([[(123, 3, 21)] * 3] * 2)Out[10]: array([[[123, 3, 21],[123, 3, 21],[123, 3, 21]], [[123, 3, 21],[123, 3, 21],[123, 3, 21]]])

Numpy 里有什么辦法能代替如此粗魯的「列表乘法」？顯然 numpy.full 不行，因為它只能用一個 scalar 填充矩陣，不能用 [123, 3, 21] 填充。

此外我還想給某矩陣「加若干維」：

In [11]: a = np.arange(10)In [13]: b = np.asarray([a])In [14]: bOut[14]: array([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])

比如我想給現成的 a 加一維，只能如此手動包裝 np.asarray([a]), 不知 Numpy 有什么 numpy.squeeze 的「反函數」可以拿來用。

問題解答

第一個問題，參考樓上的就好，第二個擴展緯度，numpy有專門的函數: expand_dims

In [1]  import numpy as np In [2]  a = np.arange(10) In [3]  b = np.expand_dims(a, axis=0) # axis表示在那一維（軸）插入新的維度 In [4]  b Out[4]  array([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])回答2：

np.tile((123, 3, 21), (2, 3, 1))

?In?[1]?? import numpy as np?In?[2]?? a = np.arange(10)?In?[3]?? b = a.reshape((1, 10))?In?[4]?? b?Out[4]?? array([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])