生成从1-d的数据的4-d阵列重塑

它在格式6列，X行的1-d阵列它需要在形状进行重组：

60×220 X 85个细胞（1.122x106细胞）

如果我导入数据，以及使用重新形函数以Z = 1，它填补了正确的格式（从左到右阅读和其中x = 1，Z = 1个，则填充，其中x = 2等

如果IU y个第一填充ÿ SE Z = 2它填充[X1，Y，Z 2]之后到达[X1，Y，Z1]的顶部，然后返回并填充的[X2，Y，Z 1]有效地分离它每个切片之间，

import numpy as np 
data = np.loadtxt("spe_phi_sample.prn") 
print(data.shape) 
data = np.reshape(data, (60,85,2)) 
print(data.shape) 
x,y,z = data.nonzero() 
import matplotlib.pyplot as plt 
from mpl_toolkits.mplot3d import Axes3D 
fig = plt.figure() 
ax = fig.add_subplot(111, projection='3d') 

ax.scatter(x, y, -z, c=data[x,y,z] , zdir='z')

Z = 1的数据用示踪剂（正确格式）

Z = 2点的数据用示踪剂（看看它是如何填充错误的切片）

有一种方法，以确定如何重新塑造填充数据？是否有更适合的功能，用于通过确定何时对每个轴进行切片，或者是否需要手动完成，从大型1-d阵列创建4维阵列？我对python不太熟悉，谢谢

来源

2015-10-05 Ali_bean

当您使用numpy.reshape时，您必须记住，它将使用索引顺序读取元素，并将使用此索引顺序将元素放置到重新整形的数组中。默认索引顺序由下式给出：最后一个轴指数变化最快，回到第一轴指数变化最慢（其中...，第二轴是y和第一轴是x）。

为了更好地了解发生了什么，这里是一段代码：

import numpy as np 

# Create array. 
size1 = 10 
size2 = 60 
shape = (size1, size2) 
a = np.mod(np.arange(1, size1 * size2 + 1), size2).reshape(shape) 
# Reshape array with z = 1. 
b = np.reshape(a, (size1, size2, 1)) 
# Reshape array with z = 2. 
c = np.reshape(a, (size1, size2/2, 2)) 
# Reshape array correctly. 
d = np.reshape(a, (size1, 2, size2/2)) 
d = np.swapaxes(d, 1, 2)

这里是b（蓝色为低值（1）和红高值（10））：