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。
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
和resize
功能相同,区别是前者返回新数组,后者则直接修改原始数组。
>>> 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
表示自动规划某一轴的尺寸,例如
>>> x.reshape(3,-1)
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
则flatten
和ravel
相当于reshape(-1)
,即将数组展平为一维数组。
squeeze
则比flatten
稍微温和一点,会删除尺寸为1的维度,例如
>>> 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
有太多层括号,看上去毫无卵用,这个时候可以用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。
transpose
和swapaxes
用于调整坐标轴,如果用矩阵的视角去理解,那么大致相当于转置。
>>> 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)
表示将第一个坐标轴和第0个坐标轴交换位置。
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
就是所要求的质心。
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)
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
是一个列表,np.reshape
会自动将其转化为数组后再行操作。
同样地,flatten
也可以完成数组展平的任务
>>> 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])
关于“Python怎么实现调整数组形状”这篇文章的内容就介绍到这里,感谢各位的阅读!相信大家对“Python怎么实现调整数组形状”知识都有一定的了解,大家如果还想学习更多知识,欢迎关注亿速云行业资讯频道。
亿速云「云服务器」,即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘,价格低至29元/月。点击查看>>
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。