重新塑造具有异质维度的3D numpy阵列到二维numpy阵列
我的数据是三维的，但只有第三轴有一个已知维度，我需要将其转换为二维数组。
例：
input =
[[[1, 2, 3]],
[[4, 5, 6],
[7, 8, 9]],
[[1, 2, 3],
[4, 5, 6],
[7, 8, 9]]]
input_reshaped =
[[1, 2, 3],
[4, 5, 6],
[7, 8, 9],
[1, 2, 3],
[4, 5, 6],
[7, 8, 9]]
所以我有一个3D数据，其中第一维和第二维在我的数据集中是可变的，而第三维是恒定的并且先前已知。
输入中的每个块也是numpy数组。 我知道我可以使用numpy.vstack执行此操作并遍历第一维。 但是如果可能的话，我希望通过Pythonic的方式进行重塑，而不用重复遍历我的数据。
我已经尝试执行列表强制来获得每个块的第一个形状，然后总结这些值并将其用于重塑。 喜欢这个：
def myStack(a):
lengths = [item.shape[0] for item in a]
common_dim = a[0].shape[1]
return a.reshape(np.sum(lengths), common_dim)
但是在上例中的输入中，出现以下错误：
ValueError: cannot reshape array of size 3 into shape (6,3)
因为看到输入的Python有一个形状为（3，）的numy.array
有任何想法吗？
额外：如果可能的话，在上述条件下进行逆向变换将非常棒！
按照评论中的建议， vstack或concatenate ：
In [320]: alist
Out[320]: [[[1, 2, 3]], [[4, 5, 6], [7, 8, 9]], [[1, 2, 3], [4, 5, 6], [7, 8, 9]]]
In [321]: len(alist)
Out[321]: 3
试图从列表中创建一个数组只是创建一个1d的列表数组。 帮助不大。 reshape将无法正常工作。
In [322]: np.array(alist)
Out[322]:
array([list([[1, 2, 3]]), list([[4, 5, 6], [7, 8, 9]]),
list([[1, 2, 3], [4, 5, 6], [7, 8, 9]])], dtype=object)
但是concatenate与数组（或类似数组的对象）列表一起工作：
In [323]: np.concatenate(alist, axis=0)
Out[323]:
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9],
[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
concatenate也可以与Out[322]一起工作，因为它将输入视为一个列表，即使它是一个数组。
vstack是相同的东西，除非它确保子vstack都是2d，在这种情况下它们已经是2d了。
上一篇: Reshape 3D numpy array with heterogeneous dimensions to 2D numpy array