numpy.pad 多维数据 —以填充方式‘minimum’为样例

本文链接：https://blog.csdn.net/a806689294/article/details/123297732

本文详细介绍了如何使用Numpy的pad函数为三维数组进行填充。通过样例展示了从最内层维度开始，分别进行dim=2、dim=1和dim=0的填充效果，解释了参数含义并提供了实际操作的代码和输出结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

- 语法结构
- 样例

语法结构

numpy.pad(array, pad_width, mode=‘minimum’, **kwargs)
mode =‘minimum’ 表示最小值填充
具体的参数解释可参考：
Numpy学习——数组填充np.pad()函数的应用
 官方文档：pad

样例

方法：
在做padding时，优先从最里面的维度开始扩展，对于本样例的3维数据a,也就是说要先pad dim=2,之后dim=1, 最后是 dim=0.

# 也可以通过画三维图来解释！
import numpy as np
a = np.array([[[1,2],[4,3]],[[5,6],[8,7]]])
print("a.shape:",a.shape) # [2,2,2] 
print(a)
# 在做padding时，优先从最里面的维度开始扩展，对于本样例的三维数据a，也就是先padding dim=2,之后dim=1, 最后是 dim=0
print("padding dim=2:"),
a1 = np.pad(a,((0,0),(0,0),(1,1)),'minimum')
print("a1.shape:",a1.shape,"\na1:\n",a1)

输出：

a.shape: (2, 2, 2)
[[[1 2]
  [4 3]]

 [[5 6]
  [8 7]]]
padding dim=2:
a1.shape: (2, 2, 4) 
a1:
 [[[1 1 2 1]
  [3 4 3 3]]

 [[5 5 6 5]
  [7 8 7 7]]]

print("padding dim=2,dim=1:"),
a2 = np.pad(a,((0,0),(1,1),(1,1)),'minimum')
print("a2.shape:",a2.shape,"\na2:\n",a2)

padding dim=2,dim=1:
a2.shape: (2, 4, 4) 
a2:
 [[[1 1 2 1]
  [1 1 2 1]
  [3 4 3 3]
  [1 1 2 1]]

 [[5 5 6 5]
  [5 5 6 5]
  [7 8 7 7]
  [5 5 6 5]]]

print("padding dim=2,dim=1,dim=0:"),
a3 = np.pad(a,((1,1),(1,1),(1,1)),'minimum')
print("a3.shape:",a3.shape,"\na3:\n",a3)

padding dim=2,dim=1,dim=0:
a3.shape: (4, 4, 4) 
a3:
 [[[1 1 2 1]
  [1 1 2 1]
  [3 4 3 3]
  [1 1 2 1]]

 [[1 1 2 1]
  [1 1 2 1]
  [3 4 3 3]
  [1 1 2 1]]

 [[5 5 6 5]
  [5 5 6 5]
  [7 8 7 7]
  [5 5 6 5]]

 [[1 1 2 1]
  [1 1 2 1]
  [3 4 3 3]
  [1 1 2 1]]]