Python NumPy Array(数组) reshape

NumPy(Numerical Python的缩写)是一个开源的Python科学计算库。使用NumPy,就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数,涵盖线性代数运算、傅里叶变换和随机数生成等功能。本文主要介绍Python NumPy Array(数组) reshape

1、reshape array(数组)

reshape意味着更改数组的形状。

数组的形状是每个维度中的元素数量。

通过重塑(reshape),我们可以添加或删除维度或更改每个维度中的元素数量。

2、reshape 从 1-D 到 2-D

例如:

将以下具有12个元素的1-D数组转换为2-D数组。 最外面的维度将具有4个数组,每个数组包含3个元素:

import numpy as np

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

newarr = arr.reshape(4, 3)

print(newarr)

3、reshape 从 1-D 到 3-D

例如:

将以下具有12个元素的1-D数组转换为3-D数组。 最外面的维度将具有2个数组,其中包含3个数组,每个数组包含2个元素:

import numpy as np

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

newarr = arr.reshape(2, 3, 2)

print(newarr)

4、reshape成任何形状

只要reshape所需的元素在两种形状中均相等。

可以将8个元素的一维数组reshape为4个元素的2行二维数组,但不能将其reshape为3个元素的3行二维数组,因为这需要3x3 = 9个元素。

例如:

尝试将具有8个元素的1D数组转换为每个维度中具有3个元素的2D数组(将产生错误):

import numpy as np

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

newarr = arr.reshape(3, 3)

print(newarr)

5、判断返回 copy 或 view

例如:

判断返回的数组是copy还是view:

import numpy as np

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

print(arr.reshape(2, 4).base)

上面的示例返回原始数组,因此它是一个view。

6、未知的维度

可以使用一个"unknown"维度。

这意味着您不必在整形方法中为尺寸之一指定确切的数字。

传递-1作为值,NumPy将为您计算该数字。

例如:

将8个元素的1D数组转换为2x2元素的3D数组:

import numpy as np

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

newarr = arr.reshape(2, 2, -1)

print(newarr)

注意:我们不能将-1传递给多个维度。

7、展平数组

展平数组是指将多维数组转换为一维数组。

可以使用reshape(-1)来做到这一点。

例如:

将数组转换为一维数组:

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])

newarr = arr.reshape(-1)

print(newarr)

注意:有很多功能可以更改numpy中的数组形状(shape)。flattenravel以及重新排列元素rot90flipfliplrflipud等。这些属于numpy的“中级至高级”部分。

推荐阅读
cjavapy编程之路首页