Połączyć dwa numpy tablice w czwartym wymiarze

Question

Mam dwa numpy tablice o trzech wymiarach (3 x 4 x 5) i chcę je połączyć, więc wynik ma cztery wymiary (3 x 4 x 5 x 2). W Matlab można to zrobić za pomocą cat(4, a, b), ale nie w Numpy.

Na przykład:

a = ones((3,4,5)) 
b = ones((3,4,5)) 
c = concatenate((a,b), axis=3) # error! 

Aby wyjaśnić, życzę c[:,:,:,0] i c[:,:,:,1] odpowiadać oryginalnych dwóch tablic.

Answer 1

Co

c = np.stack((a,b), axis=3) 

Answer 2

Działa to dla mnie:

c = numpy.array([a,b]) 

Chociaż byłoby miło, gdyby pracowała na swój sposób też.

Answer 3

Jak o następujące elementy:

c = concatenate((a[:,:,:,None],b[:,:,:,None]), axis=3) 

Daje to (3 x 4 x 5 x 2) tablicę, która moim zdaniem jest rozplanowany w sposób Państwo potrzebują.

Tutaj None jest synonimem np.newaxis: Numpy: Should I use newaxis or None?

edycji Jak sugeruje @Joe Kington, kod może być czyszczone trochę przy użyciu wielokropka:

c = concatenate((a[...,None],b[...,None]), axis=3) 

Answer 4

Tutaj przejść:

import numpy as np 
a = np.ones((3,4,5)) 
b = np.ones((3,4,5)) 
c = np.concatenate((a[...,np.newaxis],b[...,np.newaxis]),axis=3) 

Answer 5

To niekoniecznie najbardziej elegancki, ale ja użyłam odmiany

c = rollaxis(array([a,b]), 0, 4) 

w przeszłości.

Answer 6

Przyjęta wyżej odpowiedź jest świetna. Dodam jednak następujące rzeczy, ponieważ jestem dorkiem matematyki i miło jest korzystać z tego, że a.shape jest... tj. wykonanie transpozycji odwraca kolejność indeksów tablicy numpy. Więc jeśli masz swoje cegiełki w tablicy o nazwie bloków, a następnie roztwór powyżej jest:

new = np.concatenate([block[..., np.newaxis] for block in blocks], 
        axis=len(blocks[0].shape)) 

ale można też zrobić

new2 = np.array([block.T for block in blocks]).T 

który myślę brzmi bardziej gładko. Warto zauważyć, że już zaakceptowane odpowiedź biegnie szybciej:

%%timeit 
new = np.concatenate([block[..., np.newaxis] for block in blocks], 
        axis=len(blocks[0].shape)) 
1000 loops, best of 3: 321 µs per loop 

podczas

%%timeit 
new2 = np.array([block.T for block in blocks]).T 
1000 loops, best of 3: 407 µs per loop