Numpy除了可以定义创建一个多维数组，还可以修改已经创建的多维数组的shape即维度，修改shape的几种方法如下：

Changing the shape of an array

Numpy支持保持原来数组的shape属性，重新创建一个新的array，在新的array中修改shape

看用例，首先创建一个3*4维度的数组：

import numpy as npa = np.floor(10 * np.random.random((3,4)))
print("Array a: ", a)

将a的3*4维度属性，给变成一个一维的数组，相当于把数组给抹平

print("A shape: ", a.shape)

还支持修改reshape，将3*4维度属性的数组，修改为6*2属性的数组

print("A reshape: ",a.reshape(6,2))

还支持将矩阵转置，经过矩阵转置之后，3*4维度属性的数组，变为4*3维度属性的数组

print("A T: ",a.T)
print("A T shape: ",a.T.shape)

经过上述一系列的转换之后，a的属性不变，还是3*4维度属性数组：

print("A shape: ", a.shape)

运行结果：

Array a:  [[4. 3. 4. 2.][6. 8. 3. 1.][3. 3. 7. 9.]]
********
A shape:  (3, 4)
********
A ravel:  [4. 3. 4. 2. 6. 8. 3. 1. 3. 3. 7. 9.]
********
A reshape:  [[4. 3.][4. 2.][6. 8.][3. 1.][3. 3.][7. 9.]]
********
A T:  [[4. 6. 3.][3. 8. 3.][4. 3. 7.][2. 1. 9.]]
A T shape:  (4, 3)
A shape:  (3, 4)

上述几个修改shape方式都是不修改旧的数组的属性，numpy resize同样支持直接修改数组的shape而不是新建一个数组,

import numpy as npa = np.floor(10 * np.random.random((3,4)))
print("Array a: ", a)
print("A shape: ", a.shape)
print("*************")
a.resize(2,6)
print("A resize(2 ,6): ", a)
print("A shape: ", a.shape)

运行结果：

Array a:  [[0. 1. 9. 8.][2. 6. 7. 8.][7. 0. 3. 1.]]
A shape:  (3, 4)
*************
A resize(2 ,6):  [[0. 1. 9. 8. 2. 6.][7. 8. 7. 0. 3. 1.]]
A shape:  (2, 6)

Stacking together different arrays

numpy支持将多个数组堆叠在一起，用例：

创建两个数组 2*2数组：

import numpy as npa = np.floor(10 * np.random.random((2,2)))
print("Array a:"， a)
print("*********")
b = np.floor(10 * np.random.random((2,2)))
print("Array b :"， b)
print("*********")

将两个数组垂直叠加

print("Vstack a，b :", np.vstack((a,b)))

运行结果：

Array a: [[5. 1.][7. 5.]]
*********
Array b : [[0. 8.][0. 8.]]
*********
Vstack a，b : [[5. 1.][7. 5.][0. 8.][0. 8.]]

还可以使用hstack（）将多个数组按照水平方向叠加:

Array a: [[4. 7.][1. 9.]]
*********
Array b : [[6. 3.][5. 8.]]
*********
hstack a，b : [[4. 7. 6. 3.][1. 9. 5. 8.]]

numpy 还支持column_stack堆叠方式，即按照列堆叠在一起，支持将1维的数组堆叠成2维的数组，

import numpy as npa = np.array([4.,2.])
b = np.array([3.,8.])
c = np.column_stack((a,b))
print("column_stack a，b :", c)
print("hstack a，b :", np.hstack((a,b)))

此时与hstack结果不同，运行结果：

column_stack a，b : [[4. 3.][2. 8.]]
hstack a，b : [4. 2. 3. 8.]

当两个2维数组使用column_stack堆叠时

import numpy as npa = np.floor(10 * np.random.random((2,2)))
print("Array a:", a)
print("*********")
b = np.floor(10 * np.random.random((2,2)))
print("Array b :", b)
print("*********")
print("column_stack a，b :", np.column_stack((a,b)))
print("hstack a，b :", np.hstack((a,b)))

此时与hstack结果相同，运行结果

Array a: [[2. 3.][0. 9.]]
*********
Array b : [[5. 0.][3. 8.]]
*********
column_stack a，b : [[2. 3. 5. 0.][0. 9. 3. 8.]]
hstack a，b : [[2. 3. 5. 0.][0. 9. 3. 8.]]

当把一维数组转换成二维矩阵时：

import numpy as np
from numpy import newaxisa = np.array([4.,2.])
b = np.array([3.,8.])
print("newaxis a:", a[:,newaxis])
print("newaxis b:", b[:,newaxis])
print("column_stack:", np.column_stack((a[:,newaxis],b[:,newaxis])))print("hstack:",np.hstack((a[:,newaxis],b[:,newaxis])))

此时两者结果相同：

newaxis a: [[4.][2.]]
newaxis b: [[3.][8.]]
column_stack: [[4. 3.][2. 8.]]
hstack: [[4. 3.][2. 8.]]

同样ma.row_stack函数和vstack相同，当一维到多维时，两个不同

Splitting one array into several smaller ones

除了将多个数组叠加在一起外，还可以将一个数组进行分解

使用hsplit函数可以将一个数组按照水平方向进行分解：

import numpy as npa = np.floor(10* np.random.random((2, 12)))
print("Array a:", a)
print("**********")
print("Hsplit (a,3): ", np.hsplit(a,3))
print("**********")
print("Hsplit (a,(3,4)): ", np.hsplit(a,(3,4)))

运行结果：

Array a: [[8. 0. 3. 7. 9. 9. 2. 8. 6. 8. 3. 1.][0. 8. 3. 1. 1. 3. 2. 7. 1. 6. 0. 5.]]
**********
Hsplit (a,3):  [array([[8., 0., 3., 7.],[0., 8., 3., 1.]]), array([[9., 9., 2., 8.],[1., 3., 2., 7.]]), array([[6., 8., 3., 1.],[1., 6., 0., 5.]])]
**********
Hsplit (a,(3,4)):  [array([[8., 0., 3.],[0., 8., 3.]]), array([[7.],[1.]]), array([[9., 9., 2., 8., 6., 8., 3., 1.],[1., 3., 2., 7., 1., 6., 0., 5.]])]

除了按照水平方向进行分解，还可以使用vsplit()函数，在垂直方向进行分解

Numpy 之shape manipulation相关推荐

numpy 中shape的用法
numpy 中shape的用法返回各个维度的维数. >>> import numpy as np >>> y = np.array([[1,2,3],[4,5,6 ...
【计算机图形学】Embedded Deformation for shape manipulation在嵌入空间中变形
Embedded Deformation for shape manipulation 发表期刊:siggraph 2007 1. 概述本论文通过建立"deformation graph& ...
numpy的shape用法（转http://blog.csdn.net/by_study/article/details/67633593）
https://www.bbsmax.com/A/1O5E78b7z7/ https://www.cnblogs.com/lindaxin/p/8074921.html http://blog.csd ...
python numpy.ones(shape, dtype=None, order=’C’) empty(shape[, dtype, order]) empty_like(a) 空数组全1数组
ones(shape[, dtype, order]) 依据给定形状和类型(shape[, dtype, order])返回一个新的元素全部为1的数组. def ones(shape, dtype=N ...
Python | numpy库 | shape函数与reshape函数
shape:返回数据有多少行多少列. reshape():是与数组array有关的方法,用来重新组织数据下面代码案例可供参考一.shape:返回数据有几行几列 1.案例代码代码如下(示例): i ...
Python numpy库 shape属性和reshape()方法
shape是数组array的属性:reshape()是数组array的方法 shape属性可以获得当前array的形状: import numpy as npa = np.array([1, 2, 3 ...
关于numpy数组shape的理解比如：(3,) (2,3) (2,3,2) 以及对维度的小认识
shape大概有3种 ------------------------------ (2,) 有一个数字,表示数组只有1个维度 '2'说明有这个维度上有2个元素 array = np.array([9 ...
关于Numpy数组中属性shape的理解
关于Numpy数组中属性shape的理解概述:numpy数组都有着shape这一属性,怎么理解这一属性呢?看以下代码: # 关于numpy中shape参数的深刻理解 p1 = np.array([1 ...
Numpy中的shape、reshape函数
shape函数可以了解数组的结构:reshape()函数改变数组的结构. 目录 1 shape()函数 2 reshape()函数 1 shape()函数读取矩阵的长度,比如shape[0]就是读取 ...

Numpy 之shape manipulation

Changing the shape of an array

Stacking together different arrays

Splitting one array into several smaller ones

Numpy 之shape manipulation相关推荐

最新文章

热门文章