Dynamic Zero Padding для массивов NumPy

Question

У меня есть K векторов объектов, которые все имеют размерность n, но имеют переменную размерность m (n x m). Они все живут в списке вместе.

to_be_padded = []

to_be_padded.append(np.reshape(np.arange(9),(3,3)))

array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

to_be_padded.append(np.reshape(np.arange(18),(3,6)))

array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17]])

to_be_padded.append(np.reshape(np.arange(15),(3,5)))

array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])

То, что я ищу, это умный способ обнулить строки этих np.arrays так, чтобы они все имели одинаковое измерение m. Я пытался решить его с помощью np.pad, но я не смог придумать красивое решение. Любая помощь или толчок в правильном направлении будет принята с благодарностью!

В результате массивы должны выглядеть следующим образом:

array([[0, 1, 2, 0, 0, 0],
       [3, 4, 5, 0, 0, 0],
       [6, 7, 8, 0, 0, 0]])

array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17]])

array([[ 0,  1,  2,  3,  4, 0],
       [ 5,  6,  7,  8,  9, 0],
       [10, 11, 12, 13, 14, 0]])

Answer 1

Вы могли бы использовать np.pad за то, что может также дополнить 2-D массивы с использованием набора значений, определяющих ширину заполнения, ((top, bottom), (left, right)), Для этого вы можете определить:

def pad_to_length(x, m):
    return np.pad(x,((0, 0), (0, m - x.shape[1])), mode = 'constant')

использование

Вы можете начать с поиска ndarray с наибольшим количеством столбцов. Скажем, у вас есть два из них, a а также b:

a = np.array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

b = np.array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])

m = max(i.shape[1] for i in [a,b])
# 5

И затем используйте этот параметр, чтобы дополнить ndarrays:

pad_to_length(a, m)
array([[0, 1, 2, 0, 0],
       [3, 4, 5, 0, 0],
       [6, 7, 8, 0, 0]])

Answer 2

Я считаю, что нет очень эффективного решения для этого. Я думаю, вам нужно перебрать список с помощью цикла for и обработать каждый массив индивидуально:

for i in range(len(to_be_padded)):
    padded = np.zeros((n, maxM))
    padded[:,:to_be_padded[i].shape[1]] = to_be_padded[i]
    to_be_padded[i] = padded

где maxM самый длинный m из матриц в вашем списке.