numpy 数据维度修改[增加，顺序调整等]

#!/usr/bin/env python
# -*- encoding: utf-8 -*-
'''
@File    :   test.py
@Time    :   2022/09/07 15:04:59
@Author  :   qfr
@Version :   1.0
@Contact :   qfr@whu.edu.cn
@License :   (C)Copyright 2021-2025, qfr&lz
@Desc    :   对数据的维度进行调整
            原维度： 1000 * 6
            输出：   10 * 100 * 1 * 6
            下面有三种方式进行调整，都可实现
'''

# here put the import lib
import numpy as np
import tensorflow as tf

x = np.ones((1000,6))
x[:,0] = x[:,0] * 0.2
x[:,1] = x[:,1] * 0.5
x[:,2] = x[:,2] * 9.8

x[:,3] = x[:,3] * 1.2
x[:,4] = x[:,4] * 1.5
x[:,5] = x[:,5] * 3.8

x[1,0] = x[1,0] + 100

# 数组维度调整方式一
# 直接在最后加一个维度，然后进行轴系的调整
print(x.shape)
y = np.reshape(x, (10, 100,6))
tmp = y[:,:,:,np.newaxis]
tmp1 = np.transpose(tmp, [0,1,3,2])         # （！！！！强大的操作！！！！）
print(tmp1.shape)
print(tmp1[0])

# 数组维度调整方式二
# 先把数据抽出来，扩充成4维度，然后再在最后一个维度进行拼接即可
for i in range(6):
    tmp1 = y[:,:,i][..., tf.newaxis][..., tf.newaxis]
    if i:
        final = tf.concat([final, tmp1], axis=3)
    else:
        final = tmp1
# final = final.numpy()
print(final.shape)
print(final[0])

# 数组维度调整方式三（！！！！强大的功能！！！！）
# 直接在对应位置插入1维坐标轴（numpy支持该操作）
y = np.reshape(x, (10, 100,6))
tmp1 = y[:,:,np.newaxis,:,]
print(tmp1.shape)
print(tmp1[0])