<bdo id='QrV84'></bdo><ul id='QrV84'></ul>
      <legend id='QrV84'><style id='QrV84'><dir id='QrV84'><q id='QrV84'></q></dir></style></legend>

      <i id='QrV84'><tr id='QrV84'><dt id='QrV84'><q id='QrV84'><span id='QrV84'><b id='QrV84'><form id='QrV84'><ins id='QrV84'></ins><ul id='QrV84'></ul><sub id='QrV84'></sub></form><legend id='QrV84'></legend><bdo id='QrV84'><pre id='QrV84'><center id='QrV84'></center></pre></bdo></b><th id='QrV84'></th></span></q></dt></tr></i><div id='QrV84'><tfoot id='QrV84'></tfoot><dl id='QrV84'><fieldset id='QrV84'></fieldset></dl></div>
      1. <small id='QrV84'></small><noframes id='QrV84'>

        <tfoot id='QrV84'></tfoot>

        Numpy 附加 3D 向量而不展平

        Numpy append 3D vectors without flattening(Numpy 附加 3D 向量而不展平)

          <bdo id='fUaxr'></bdo><ul id='fUaxr'></ul>
          • <small id='fUaxr'></small><noframes id='fUaxr'>

            <i id='fUaxr'><tr id='fUaxr'><dt id='fUaxr'><q id='fUaxr'><span id='fUaxr'><b id='fUaxr'><form id='fUaxr'><ins id='fUaxr'></ins><ul id='fUaxr'></ul><sub id='fUaxr'></sub></form><legend id='fUaxr'></legend><bdo id='fUaxr'><pre id='fUaxr'><center id='fUaxr'></center></pre></bdo></b><th id='fUaxr'></th></span></q></dt></tr></i><div id='fUaxr'><tfoot id='fUaxr'></tfoot><dl id='fUaxr'><fieldset id='fUaxr'></fieldset></dl></div>

                  <tbody id='fUaxr'></tbody>
                <tfoot id='fUaxr'></tfoot>
                  <legend id='fUaxr'><style id='fUaxr'><dir id='fUaxr'><q id='fUaxr'></q></dir></style></legend>
                  本文介绍了Numpy 附加 3D 向量而不展平的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着跟版网的小编来一起学习吧!

                  问题描述

                  我有以下向量

                  video_132.shape
                  Out[64]: (64, 3)
                  

                  我会添加一个包含三个值的新 3D 向量

                  that l would to add to it a new 3D vector of three values

                  video_146[1][146][45]
                  

                  这样

                  video_146[1][146][45].shape
                  Out[68]: (3,)
                  

                  video_146[1][146][45]
                  Out[69]: array([217, 207, 198], dtype=uint8)
                  

                  当我执行以下操作时

                  np.append(video_132,video_146[1][146][45])
                  

                  我应该得到

                  video_132.shape
                  Out[64]: (65, 3) # originally (64,3)
                  

                  但是我得到:

                  Out[67]: (195,) # 64*3+3=195
                  

                  好像把向量变平了

                  如何通过保留 3D 结构来进行追加?

                  How can l do the append by preserving the 3D structure ?

                  推荐答案

                  为了简单起见,让我们重命名 video_132 --> avideo_146[1][146][45] --> b.特定的值并不重要,所以让我们说

                  For visual simplicity let's rename video_132 --> a, and video_146[1][146][45] --> b. The particular values aren't important so let's say

                  In [82]: a = np.zeros((64, 3))
                  In [83]: b = np.ones((3,))
                  

                  然后我们可以将 b 附加到 a 使用:

                  Then we can append b to a using:

                  In [84]: np.concatenate([a, b[None, :]]).shape
                  Out[84]: (65, 3)
                  

                  由于 np.concatenate 返回一个新数组,将其返回值重新分配给 a 以追加"ba:

                  Since np.concatenate returns a new array, reassign its return value to a to "append" b to a:

                  a = np.concatenate([a, b[None, :]])
                  

                  这篇关于Numpy 附加 3D 向量而不展平的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持跟版网!

                  本站部分内容来源互联网,如果有图片或者内容侵犯了您的权益,请联系我们,我们会在确认后第一时间进行删除!

                  相关文档推荐

                  TypeError: object of type #39;numpy.int64#39; has no len()(TypeError:“numpy.int64类型的对象没有 len())
                  Calculate Root Squared Error of xarray dataset(计算 xarray 数据集的平方根误差)
                  Chain datasets from multiple HDF5 files/datasets(来自多个 HDF5 文件/数据集的链数据集)
                  can#39;t load csv file in python3 with pandas(无法使用 pandas 在 python3 中加载 csv 文件)
                  Find beginning and end of the steepest slope(找到最陡坡的起点和终点)
                  Unable to load CIFAR-10 dataset: Invalid load key #39;x1f#39;(无法加载 CIFAR-10 数据集:加载键“x1f无效)

                  • <legend id='g1rvP'><style id='g1rvP'><dir id='g1rvP'><q id='g1rvP'></q></dir></style></legend>

                      <tbody id='g1rvP'></tbody>
                  • <i id='g1rvP'><tr id='g1rvP'><dt id='g1rvP'><q id='g1rvP'><span id='g1rvP'><b id='g1rvP'><form id='g1rvP'><ins id='g1rvP'></ins><ul id='g1rvP'></ul><sub id='g1rvP'></sub></form><legend id='g1rvP'></legend><bdo id='g1rvP'><pre id='g1rvP'><center id='g1rvP'></center></pre></bdo></b><th id='g1rvP'></th></span></q></dt></tr></i><div id='g1rvP'><tfoot id='g1rvP'></tfoot><dl id='g1rvP'><fieldset id='g1rvP'></fieldset></dl></div>

                    <small id='g1rvP'></small><noframes id='g1rvP'>

                      <tfoot id='g1rvP'></tfoot>

                            <bdo id='g1rvP'></bdo><ul id='g1rvP'></ul>