频道栏目
首页 > 程序开发 > Web开发 > Python > 正文
Python Numpy Tutorials: 改变数组的维度
2017-05-13 09:42:00      个评论    来源:Eric2016_Lv的博客  
收藏   我要投稿

Python Numpy Tutorials: 改变数组的维度!
我们已经学习了怎样使用reshape函数,现在来学习一下怎样将数组展平。

(1) ravel 我们可以用ravel函数完成展平的操作:
In: b
Out:
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9,10,11]],
[[12,13,14,15],
[16,17,18,19],
[20,21,22,23]]])
In: b.ravel()
Out:
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,
17, 18, 19, 20, 21, 22, 23])

(2) flatten 这个函数恰如其名,flatten就是展平的意思,与ravel函数的功能相同。
不过,flatten函数会请求分配内存来保存结果,而ravel函数只是返回数组的一个视图(view):
In: b.flatten()
Out:
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,
17, 18, 19, 20, 21, 22, 23])

(3) 用元组设置维度 除了可以使用reshape函数,我们也可以直接用一个正整数元组来设
置数组的维度,如下所示:
In: b.shape = (6,4)
In: b
Out:
array([ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9,10,11],
[12,13,14,15],
[16,17,18,19],
[20,21,22,23]],
正如你所看到的,这样的做法将直接改变所操作的数组,现在数组b成了一个6×4的多维数组。

(4) transpose 在线性代数中,转置矩阵是很常见的操作。对于多维数组,我们也可以这样做:
In: b.transpose()
Out:
array([[ 0, 4, 8, 12, 16, 20],
[ 1, 5, 9, 13, 17, 21],
[ 2, 6,10, 14, 18, 22],
[ 3, 7,11, 15, 19, 23]])

(5) resize resize和reshape函数的功能一样,但resize会直接修改所操作的数组:
In: b.resize((2,12))
In: b
Out:
array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11],
[12,13,14,15,16,17,18,19,20,21, 22, 23]])
刚才做了些什么
我们用ravel、flatten、reshape和resize函数对NumPy数组的维度进行了修改。
动手实践:组合数组
首先,我们来创建一些数组:
In: a = arange(9).reshape(3,3)
In: a
Out:
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
In: b = 2 * a
In: b
Out:
array([[ 0, 2, 4],
[ 6, 8, 10],
[12, 14,16]])

(1) 水平组合 我们先从水平组合开始练习。将ndarray对象构成的元组作为参数,传给
hstack函数。如下所示:
In: hstack((a, b))
Out:
array([[ 0, 1, 2, 0, 2, 4],
[ 3, 4, 5, 6, 8,10],
[ 6, 7, 8,12,14,16]])
我们也可以用concatenate函数来实现同样的效果,如下所示:
In: concatenate((a, b), axis=1)
Out:
array([[ 0, 1, 2, 0, 2, 4],
[ 3, 4, 5, 6, 8,10],
[ 6, 7, 8,12,14,16]])

(2) 垂直组合 垂直组合同样需要构造一个元组作为参数,只不过这次的函数变成了
vstack。如下所示:
In: vstack((a, b))
Out:
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 0, 2, 4],
[ 6, 8,10],
[12,14,16]])
同样,我们将concatenate函数的axis参数设置为0即可实现同样的效果。这也是axis参
数的默认值:
In: concatenatel((a, b), axis = 0)
Out:
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 0, 2, 4],
[ 6, 8,10],
[12,14,16]])

(3) 深度组合 将相同的元组作为参数传给dstack函数,即可完成数组的深度组合。所谓
深度组合,就是将一系列数组沿着纵轴(深度)方向进行层叠组合。举个例子,有若干张二维平
面内的图像点阵数据,我们可以将这些图像数据沿纵轴方向层叠在一起,这就形象地解释了什么
是深度组合。
In: dstack((a, b))
Out:
array([[[0, 0],
[1, 2],
[2, 4]],
[[3, 6],
[4, 8],
[5,10]],
[[6,12],
[7,14],
[8,16]]])

(4) 列组合 column_stack函数对于一维数组将按列方向进行组合,如下所示:
In: oned = arange(2)
In: oned
Out: array([0, 1])
In: twice_oned = 2 * oned
In: twice_oned
Out: array([0, 2])
In: column_stack((oned, twice_oned))
Out:
array([[0, 0],
[1, 2]])
而对于二维数组,column_stack与hstack的效果是相同的:
In: column_stack((a, b))
Out:
array([[ 0, 1, 2, 0, 2, 4],
[ 3, 4, 5, 6, 8,10],
[ 6, 7, 8,12,14,16]])
In: column_stack((a, b)) == hstack((a, b))
Out:
array([[ True, True, True, True, True, True],
[ True, True, True, True, True, True],
[ True, True, True, True, True, True]], dtype=bool)
是的,你猜对了!我们可以用==运算符来比较两个NumPy数组,是不是很简洁?

(5) 行组合 当然,NumPy中也有按行方向进行组合的函数,它就是row_stack。对于两
个一维数组,将直接层叠起来组合成一个二维数组。
In: row_stack((oned, twice_oned))
Out:
array([[0, 1],
[0, 2]])
对于二维数组,row_stack与vstack的效果是相同的:
In: row_stack((a, b))
Out:
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 0, 2, 4],
[ 6, 8,10],
[12,14,16]])
In: row_stack((a,b)) == vstack((a, b))
Out:
array([[ True, True, True],
[ True, True, True],
[ True, True, True],
[ True, True, True],
[ True, True, True],
[ True, True, True]], dtype=bool)
刚才做了些什么
我们按照水平、垂直和深度等方式进行了组合数组的操作。我们使用了vstack、dstack、
hstack、column_stack、row_stack以及concatenate函数。

点击复制链接 与好友分享!回本站首页
上一篇:Python Numpy Tutorials: 数组中数学函数及变形(reshape)
下一篇:Python包(package)、模块(module)、类(class)
相关文章
图文推荐

关于我们 | 联系我们 | 广告服务 | 投资合作 | 版权申明 | 在线帮助 | 网站地图 | 作品发布 | Vip技术培训

版权所有: 红黑联盟--致力于做实用的IT技术学习网站