Python:3D 列主张量到行主张量

Question

我使用scipy.io将Mat文件读取到python中，加载3D张量。我在网上找到的大多数参考资料只讨论 2 个维度，而且我很难在维度超过 2 的数据中围绕列主要到行主要。

1. scipy.io 是否自动处理从列主(顺序 = 'F'(到行主(订单 = 'C'(的转换？
2. 如果不是 1，有没有比使用ravel和reshape与order结合使用更好的方法来更改 3D 张量？
3. 如果不是 2，有没有办法以编程方式确定转换后的张量应该是什么形状？在下面的例子中，我使用了解开和重塑，但很明显原始形状不合适？

例

在此示例中，假设我有一个在列主列中读入的 (2， 4， 3( 维矩阵，我想将其反转为主要行。

import numpy as np
lst3d = [[[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10, 11]], [[13, 14, 15], [17, 18, 19], [21, 22, 23], [25, 26, 27]]]
print(lst3d)
a = np.array(lst3d)
b = np.array(lst3d)
print(a.shape)
print('----------')
print(a.ravel(order='C').reshape(a.shape))
print('----------')
print(b.ravel(order='F').reshape(b.shape))

输出：

[[[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10, 11]], [[13, 14, 15], [17, 18, 19], [21, 22, 23], [25, 26, 27]]]
(2, 4, 3)
----------
[[[ 0  1  2]
[ 3  4  5]
[ 6  7  8]
[ 9 10 11]]
[[13 14 15]
[17 18 19]
[21 22 23]
[25 26 27]]]
----------
[[[ 0 13  3]
[17  6 21]
[ 9 25  1]
[14  4 18]]
[[ 7 22 10]
[26  2 15]
[ 5 19  8]
[23 11 27]]]

相关

• numpy 数组行主和列主
• https://cran.r-project.org/web/packages/reticulate/vignettes/arrays.html
• https://craftofcoding.wordpress.com/2017/02/03/column-major-vs-row-major-arrays-does-it-matter/

Answer 1

八度：

>> x=0:23;
>> x=reshape(x,2,4,3);
>> x
x =
ans(:,:,1) =
0   2   4   6
1   3   5   7
ans(:,:,2) =
8   10   12   14
9   11   13   15
ans(:,:,3) =
16   18   20   22
17   19   21   23
>> save -v7 test3d x

在 ipython 中：

In [192]: data = io.loadmat('test3d')
In [194]: x=data['x']
In [195]: x
Out[195]: 
array([[[ 0.,  8., 16.],
[ 2., 10., 18.],
[ 4., 12., 20.],
[ 6., 14., 22.]],
[[ 1.,  9., 17.],
[ 3., 11., 19.],
[ 5., 13., 21.],
[ 7., 15., 23.]]])
In [196]: x.shape
Out[196]: (2, 4, 3)

以八度显示：

In [197]: x[:,:,0]
Out[197]: 
array([[0., 2., 4., 6.],
[1., 3., 5., 7.]])

loadmat已按顺序加载F具有相同的 2,4,3 形状。 右ravel产生原始的 0：23 数字：

In [200]: x.ravel(order='F')
Out[200]: 
array([ 0.,  1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9., 10., 11., 12.,
13., 14., 15., 16., 17., 18., 19., 20., 21., 22., 23.])

x的转置会产生一个 (3,4,2( 阶"C"数组：

In [207]: x.T[0]
Out[207]: 
array([[0., 1.],
[2., 3.],
[4., 5.],
[6., 7.]])
In [208]: y=np.arange(24).reshape(3,4,2)
In [209]: y[0]
Out[209]: 
array([[0, 1],
[2, 3],
[4, 5],
[6, 7]])