Заполнение нескольких массивов, чтобы получить ту же форму, что и самый большой массив

Question

У меня есть несколько 2D-массивов, сохраненных в списке под названием image_concat, Этот список будет состоять из более чем сотни этих массивов, но сейчас я просто пытаюсь заставить свой код работать для списка только с двумя из них. Все эти массивы имеют разные формы, и я хотел бы найти наибольшее x-измерение и наибольшее y-измерение из всех массивов, а затем дополнить все остальные достаточным количеством нулей по краям, чтобы в конце они все имеют одинаковую форму. Обратите внимание, что наибольшее x-измерение и наибольшее y-измерение могут принадлежать отдельным массивам или принадлежать одному и тому же. То, что я пытался написать до сих пор, по какой-то причине не привело к успешному изменению формы меньшего массива. Но я также думаю, что некоторые проблемы возникнут даже после изменения форм, поскольку некоторые массивы могут быть отключены на единицу в конце из-за того, что элементы формы являются четными или нечетными.

import astropy
import numpy as np
import math
import matplotlib.pyplot as plt
from astropy.utils.data import download_file
from astropy.io import fits

images = ['http://irsa.ipac.caltech.edu/ibe/data/wise/allsky/4band_p1bm_frm/9a/02729a/148/02729a148-w2-int-1b.fits?center=89.353536,37.643864deg&size=0.6deg', 'http://irsa.ipac.caltech.edu/ibe/data/wise/allsky/4band_p1bm_frm/2a/03652a/123/03652a123-w4-int-1b.fits?center=294.772333,-19.747157deg&size=0.6deg']

image_list = []
for url in images:
    image_list.append(download_file(url, cache=True))

image_concat = [fits.getdata(image) for image in image_list]

# See shapes in the beginning
print(np.shape(image_concat[0]))
print(np.shape(image_concat[1]))

def pad(image_concat):

    # Identify largest x and y dimensions
    xdims, ydims = np.zeros(len(image_concat)), np.zeros(len(image_concat))
    for i in range(len(xdims)):
        x, y = np.shape(image_concat[i])
        xdims[i] = x
        ydims[i] = y
    x_max = int(np.max(xdims))
    y_max = int(np.max(ydims))

    # Pad all arrays except the largest dimensions
    for A in image_concat:
        x_len, y_len = np.shape(A)
        print(math.ceil((y_max-y_len)/2))
        print(math.ceil((x_max-x_len)/2))

        np.pad(A, ((math.ceil((y_max-y_len)/2), math.ceil((y_max-y_len)/2)), (math.ceil((x_max-x_len)/2), math.ceil((x_max-x_len)/2))), 'constant', constant_values=0)

    return image_concat

image_concat = pad(image_concat)

# See shapes afterwards (they haven't changed for some reason)
print(np.shape(image_concat[0]))
print(np.shape(image_concat[1]))

Я не могу понять, почему форма не меняется в этом случае. А также, есть ли способ легко обобщить это так, чтобы он работал на многих массивах независимо от того, имеют ли они четные или нечетные измерения?

Answer 1

np.pad не изменяет массив на месте, он возвращает заполненный массив. Так что вам нужно сделать image_concat[i] = np.pad(...), где i это индекс A,