本篇内容介绍了“numpy中轴处理如何实现”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!
指定的轴是被压缩的轴
沿轴的时候可以指定两个轴,即面被压缩,以面作为输入
np.newaxis 在使用和功能上等价于 None,其实就是 None 的一个别名
import numpy as np a=np.array([1,2,3]) b=a[np.newaxis,:] c=a[:,np.newaxis]
numpy.expand_dims(a,axis)
扩展一个维就是把一个维往后挪,或者增加
numpy.broadcast_to函数将数组广播到新形状。它在原始数组上返回只 读视图。它通常不连续。如果新形状不符合 NumPy 的广播规则,该函数可能会抛出ValueError。
numpy.broadcast_to(array,shape, subok)
import numpy as np a = np.arange(4).reshape(1, 4) print(">>>") print(a.shape) print(a) print() b = np.broadcast_to(a, (4, 4)) print(">>>") print(b.shape) print(b) >>> (1, 4) [[0 1 2 3]] >>> (4, 4) [[0 1 2 3] [0 1 2 3] [0 1 2 3] [0 1 2 3]]
numpy.swapaxes(arr,axis1, axis2)
其中:
arr:要交换其轴的输入数组
axis1:对应第一个轴的整数
axis2:对应第二个轴的整数
numpy.rollaxis()函数向后滚动特定的轴,直到一个特定位置。这个函数接受三个参数:
numpy.rollaxis(arr,axis, start)
其中:
arr:输入数组
axis:要向后滚动的轴,其它轴的相对位置不会改变
start:默认为零,表示完整的滚动。会滚动到特定位置。
a = np.arange(24).reshape(2, 3, 4) print(">>>") print(a.shape) print(a) print() roll = np.rollaxis(a, 2) # 把第2个轴滚动到0维位置 print(">>>") print(roll.shape) print(roll) print() roll2 = np.rollaxis(a, 2, 1) # 把第2个轴滚动到1维位置 print(">>>") print(roll2.shape) print(roll2) print() >>> (2, 3, 4) [[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [[12 13 14 15] [16 17 18 19] [20 21 22 23]]] >>> (4, 2, 3) [[[ 0 4 8] [12 16 20]] [[ 1 5 9] [13 17 21]] [[ 2 6 10] [14 18 22]] [[ 3 7 11] [15 19 23]]] >>> (2, 4, 3) [[[ 0 4 8] [ 1 5 9] [ 2 6 10] [ 3 7 11]] [[12 16 20] [13 17 21] [14 18 22] [15 19 23]]]
concatenate:沿现有轴加入一系列数组
stack:沿新轴加入一系列数组,即stack(arrays, axis=0)
column_stack:把1维数组当作列堆叠成二维数组
为了向后兼容
dstack:沿深度方向堆叠数组
hstack:沿水平方法堆叠数组
vstack:沿垂直方向堆叠数组
“numpy中轴处理如何实现”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站,小编将为大家输出更多高质量的实用文章!
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。