Python怎么实现调整数组形状

这篇文章主要介绍了Python怎么实现调整数组形状的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇Python怎么实现调整数组形状文章都会有所收获，下面我们一起来看看吧。

更改维度

数组中的数据在内存里是固定的，但计算时的排列方式却可以随时更改，这也是数组的强大之处。其中，

reshape

resize

>>> x = np.arange(12)
>>> y = x.reshape(2,6)
>>> print(x)
[ 0  1  2  3  4  5  6  7  8  9 10 11]
>>> print(y)
[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]]
>>> x.resize(2,6)
>>> print(x)
[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]]

-1

>>> x.reshape(3,-1)
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

则

flatten

ravel

reshape(-1)

squeeze

flatten

>>> x.resize(1,3,4,1,1)
>>> print(x)
[[[[[ 0]]
   [[ 1]]
   [[ 2]]
   [[ 3]]]
  [[[ 4]]
   [[ 5]]
   [[ 6]]
   [[ 7]]]
  [[[ 8]]
   [[ 9]]
   [[10]]
   [[11]]]]]

上面的这个

x

squeeze

>>> x.squeeze()
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

有木有瞬间清爽了许多。

调整坐标轴

transpose

swapaxes

>>> x
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]])
>>> x.T
array([[ 0,  6],
       [ 1,  7],
       [ 2,  8],
       [ 3,  9],
       [ 4, 10],
       [ 5, 11]])
>>> x.transpose(1,0)
array([[ 0,  6],
       [ 1,  7],
       [ 2,  8],
       [ 3,  9],
       [ 4, 10],
       [ 5, 11]])

其中，

transpose(1,0)

牛刀小试

熟练掌握数组形状的变换方法，也就相当于熟悉了张量的运算法则，这对于数据科学来说是非常重要的基础技能。

例如，现有300张图像200x100的图像，想要得到每张图像的列质心。传统思路肯定是跑循环，但众所周知Python的循环效率比较慢，所以最佳方法是300张一起做，无非就是300x200x100的张量，对第二个坐标轴进行质心提取而已

imgs = np.random.rand(300,200,100)
xs = np.arange(100)
xCen = np.matmul(imgs, xs) / np.sum(imgs, axis=2)

其中，

xCen

当然，也可以用更加直观的做法

xCen = imgs.reshape(-1,100)@xs / np.sum(imgs.reshape(-1,100), axis=1)
xCen = xCen.reshape(300,200)

Numpy函数

对于上面这几种数组的内置方法，有一些可直接从numpy中调用，这样的好处是可以直接对非数组格式的数据进行操作，例如

>>> x = list(range(12))
>>> np.reshape(x, (3,4))
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

其中，

x

np.reshape

同样地，

flatten

>>> x = [[i, i+1] for i in range(5)]
>>> x
[[0, 1], [1, 2], [2, 3], [3, 4], [4, 5]]
>>> np.ravel(x)
array([0, 1, 1, 2, 2, 3, 3, 4, 4, 5])