numpy增加維度、刪除維度的方法
楔子
在 TensorFlow 中，可以給一個(gè) tensor 增加一個(gè)維度、刪除一個(gè)維度，那么在 Numpy 中該怎么呢？
刪除維度、增加維度
先來(lái)看看如何增加一個(gè)維度：
import numpy as np arr = np.array([[[1, 2, 3], [2, 3, 4]]]) print(arr) """ [[[1 2 3] [2 3 4]]] """ print(arr.shape) # (1, 2, 3) # 事實(shí)上第一個(gè)維度我們是不需要的，因?yàn)樵谠摼S度上數(shù)組的長(zhǎng)度是 1 # 刪除第 1 個(gè)維度，我們看到已經(jīng)改變了 print(np.squeeze(arr, 0)) """ [[1 2 3] [2 3 4]] """
但是注意：只有數(shù)組長(zhǎng)度在該維度上為 1，那么該維度才可以被刪除。如果不是1，那么刪除的話會(huì)報(bào)錯(cuò)。
import numpy as np
arr = np.array([[[1, 2, 3], [2, 3, 4]]])
print(arr.shape) # (1, 2, 3)
try:
# 刪除第二個(gè)維度，顯然在第二個(gè)維度上數(shù)組的長(zhǎng)度是 2，不是 1
# 所以它不能被刪除
print(np.squeeze(arr, 1))
except Exception as e:
print(e) # cannot select an axis to squeeze out which has size not equal to one
刪除只能刪除數(shù)組長(zhǎng)度為 1 所對(duì)應(yīng)的維度，同理添加也是添加一個(gè)維度也只是讓數(shù)組在這個(gè)維度上的長(zhǎng)度變成 1，因?yàn)閿?shù)組本來(lái)不存在這個(gè)維度的，但是我們強(qiáng)行加上了一個(gè)維度，那么數(shù)組在這個(gè)維度上的長(zhǎng)度只能是 1。
import numpy as np arr = np.array([[1, 2, 3], [2, 3, 4]]) print(arr.shape) # (2, 3) # 很好理解 print(np.expand_dims(arr, 0).shape) # (1, 2, 3) print(np.expand_dims(arr, 1).shape) # (2, 1, 3) print(np.expand_dims(arr, 2).shape) # (2, 3, 1) arr = np.array([1, 2, 3]) print(np.expand_dims(arr, 0)) """ [[1 2 3]] """ print(np.expand_dims(arr, 1)) """ [[1] [2] [3]] """
以上就實(shí)現(xiàn)了數(shù)組維度的刪除和增加，因?yàn)閿?shù)組的元素是固定的，所以在刪除維度和增加維度時(shí)，數(shù)組在該維度上的長(zhǎng)度必須是 1。
另外，變化維度還可以使用 reshape，比如 arr 的維度是 (2, 1, 3)，我們把第二個(gè)維度給去掉的話，那么直接 arr.reshape((2, 3)) 即可，增加維度也是同理，只要變化維度前后的元素個(gè)數(shù)不變即可。
import numpy as np arr = np.array([[1, 2, 3], [2, 3, 4]]) print(arr.shape) # (2, 3) arr1 = arr.reshape((2, 1, 1, 3)) print(arr1) """ [[[[1 2 3]]] [[[2 3 4]]]] """ print(arr1.shape) # (2, 1, 1, 3) print(np.all(arr1.reshape((2, 3)) == arr)) # True
最后，增加維度還有一種做法，但用的不多，舉個(gè)栗子：
import numpy as np arr = np.array([[1, 2, 3], [2, 3, 4]]) print(arr.shape) # (2, 3) # 將維度變成 (2, 1, 3, 1, 1) arr1 = arr[:, np.newaxis, :, np.newaxis, np.newaxis] print(arr1.shape) # (2, 1, 3, 1, 1) # np.newaxis 等價(jià)于 None print(arr[:, None, :, None, None].shape) # (2, 1, 3, 1, 1) # 使用 : 的部分和之前的維度是對(duì)應(yīng)的，np.newaxis 或者 None 可以理解成 1 # 因此最終得到的數(shù)組的維度就是 (2, 1, 3, 1, 1) # 再以一維數(shù)組為例 arr = np.array([1, 2, 3]) print(arr) """ [1 2 3] """ # 得到的數(shù)組的 shape 為 (1, 3) print(arr[None, :]) """ [[1 2 3]] """ # 得到的數(shù)組的 shape 為 (3, 1) print(arr[:, None]) """ [[1] [2] [3]] """
刪除、增加一行或一列
說(shuō)實(shí)話，改變數(shù)組的維度不是特別常見，更常見的是刪除數(shù)組的一行或者一列，舉個(gè)栗子：
# 原始數(shù)組 [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] # 我們希望刪除一行 [[ 0 1 2 3] [ 8 9 10 11]] # 或者刪除一列 [[ 0 2 3] [ 4 6 7] [ 8 10 11]]
這種需求相對(duì)來(lái)說(shuō)更加常見一些，那么應(yīng)該怎么做呢？我們來(lái)看一下。
刪除一行或一列
首先是刪除：
import numpy as np arr = np.arange(0, 12).reshape(3, 4) print(arr) """ [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] """ # 假設(shè)刪除第二行 print(np.delete(arr, [1], axis=0)) """ [[ 0 1 2 3] [ 8 9 10 11]] """ # 刪除第一行和第三行 print(np.delete(arr, [0, 2], axis=0)) """ [[4 5 6 7]] """ # 刪除前兩行，slice(0, 2) 也可以換成 np.s_[0: 2] print(np.delete(arr, slice(0, 2), axis=0)) """ [[ 8 9 10 11]] """
刪除列的話也是同理，只需要將 axis=0 換成 axis=1 即可，注意：如果不指定 axis 或者 axis 指定為 None，那么會(huì) np.delete 會(huì)將傳遞的數(shù)組扁平化（變成一維數(shù)組），然后進(jìn)行刪除。舉個(gè)栗子：
arr = np.array([[1, 2, 3], [4, 5, 6]]) print(arr) """ [[1 2 3] [4 5 6]] """ # 會(huì)將 arr 扁平化處理，然后刪除索引為 1 的元素，因此要注意 axis 參數(shù) print(np.delete(arr, [1])) """ [1 3 4 5 6] """
增加一行或一列
如果想增加一行或一列的話，要怎么做呢？
import numpy as np arr = np.arange(0, 12).reshape(3, 4) print(arr) """ [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] """ # 在尾部增加一行，注意：這里的維度一定要匹配，指定 [0, 0, 0, 0] 是不行的，因?yàn)?arr 是一個(gè)二維數(shù)組 print(np.append(arr, [[0, 0, 0, 0]], axis=0)) """ [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [ 0 0 0 0]] """ # 在尾部增加一列，維度同樣要匹配 print(np.append(arr, [[0], [0], [0]], axis=1)) """ [[ 0 1 2 3 0] [ 4 5 6 7 0] [ 8 9 10 11 0]] """
如果不指定 axis，那么仍然會(huì)將傳遞的數(shù)組扁平化，然后進(jìn)行追加：
arr = np.array([[1, 2, 3], [4, 5, 6]]) print(arr) print(np.append(arr, 0)) # [1 2 3 4 5 6 0] print(np.append(arr, [0, 0])) # [1 2 3 4 5 6 0 0] print(np.append(arr, [[0, 0]])) # [1 2 3 4 5 6 0 0]
append 默認(rèn)是在尾部進(jìn)行追加，并且還要求維度要匹配，不是很方便。所以這里更推薦 insert 函數(shù)：
import numpy as np arr = np.arange(0, 12).reshape(3, 4) print(arr) """ [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] """ # 索引為 1 的位置插入一行，值全為 0 print(np.insert(arr, 1, 0, axis=0)) """ [[ 0 1 2 3] [ 0 0 0 0] [ 4 5 6 7] [ 8 9 10 11]] """ # 或者我們也可以手動(dòng)指定 print(np.insert(arr, 1, [0, 0, 0, 0], axis=0)) """ [[ 0 1 2 3] [ 0 0 0 0] [ 4 5 6 7] [ 8 9 10 11]] """ # 二維數(shù)組也是可以的 print(np.insert(arr, 1, [[0, 0, 0, 0], [0, 0, 0, 0]], axis=0)) """ [[ 0 1 2 3] [ 0 0 0 0] [ 0 0 0 0] [ 4 5 6 7] [ 8 9 10 11]] """ # 插入一列，注意元素個(gè)數(shù)要匹配，每一列是 3 個(gè)元素 print(np.insert(arr, 1, [[0, 0, 0], [0, 0, 0]], axis=1)) """ [[ 0 0 0 1 2 3] [ 4 0 0 5 6 7] [ 8 0 0 9 10 11]] """
我們看到 insert 比 append 要方便很多，并且功能也更加強(qiáng)大一些，并且 append 完全可以使用 insert 實(shí)現(xiàn)，舉個(gè)栗子：
import numpy as np arr = np.arange(0, 12).reshape(3, 4) print(arr) """ [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] """ # 在尾部增加一行 print(np.insert(arr, arr.shape[0], 0, axis=0)) """ [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [ 0 0 0 0]] """ # 在尾部增加一列 print(np.insert(arr, arr.shape[1], 0, axis=1)) """ [[ 0 1 2 3 0] [ 4 5 6 7 0] [ 8 9 10 11 0]] """
最后，如果 insert 不指定維度，那么也是會(huì)先將數(shù)組扁平化，然后在進(jìn)行 insert，舉個(gè)栗子：
arr = np.array([[1, 2, 3], [4, 5, 6]]) print(np.insert(arr, 1, [0, 0])) # [1 0 0 2 3 4 5 6]
總的來(lái)說(shuō)還是比較簡(jiǎn)單的。
到此這篇關(guān)于numpy增加維度、刪除維度的方法的文章就介紹到這了,更多相關(guān)numpy增加維度、刪除維度內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
python練習(xí)之循環(huán)控制語(yǔ)句 break 與 continue
這篇文章主要介紹了python循環(huán)控制語(yǔ)句 break 與 continue，break就像是終止按鍵，不管執(zhí)行到哪一步，只要遇到break，不管什么后續(xù)步驟，直接跳出當(dāng)前循環(huán)2022-06-06
Python推導(dǎo)式之字典推導(dǎo)式和集合推導(dǎo)式使用體驗(yàn)
這篇文章主要為大家介紹了Python推導(dǎo)式之字典推導(dǎo)式和集合推導(dǎo)式使用示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2023-06-06
在交互式環(huán)境中執(zhí)行Python程序過程詳解
這篇文章主要介紹了在交互式環(huán)境中執(zhí)行Python程序過程詳解，運(yùn)行Python腳本程序的方式有多種，目前主要的方式有：交互式環(huán)境運(yùn)行、命令行窗口運(yùn)行、開發(fā)工具上運(yùn)行等，其中在不同的操作平臺(tái)上還互不相同,需要的朋友可以參考下2019-07-07
Python基于回溯法子集樹模板解決0-1背包問題實(shí)例
這篇文章主要介紹了Python基于回溯法子集樹模板解決0-1背包問題,簡(jiǎn)單描述了0-1背包問題并結(jié)合具體實(shí)例形式分析了Python使用回溯法子集樹模板解決0-背包問題的具體實(shí)現(xiàn)技巧,需要的朋友可以參考下2017-09-09
這篇文章主要介紹了Python復(fù)制文件操作的方法,涉及Python針對(duì)文件與目錄的復(fù)制及刪除操作相關(guān)技巧,具有一定參考借鑒價(jià)值,需要的朋友可以參考下2015-11-11
Python實(shí)現(xiàn)合并多張圖片成視頻的示例詳解
隨著短視頻的興起，越來(lái)越多的人開始用各種形式進(jìn)行視頻制作，本篇博客從程序員的角度為大家解析一下如何通過?Python?合并多個(gè)圖片為一個(gè)視頻，需要的可以參考一下2023-02-02
這篇文章主要介紹了Python圖像處理之顏色的定義與使用,結(jié)合實(shí)例形式分析了matplotlib模塊中顏色值的相關(guān)使用操作技巧,需要的朋友可以參考下2019-01-01
這篇文章主要介紹了如何利用Python繪制一個(gè)端午節(jié)的祝福動(dòng)畫，文中的示例代碼講解詳細(xì)，對(duì)我們學(xué)習(xí)Python有一定的幫助，需要的可以參考一下2023-06-06
這篇文章主要給大家介紹了關(guān)于Python配置文件處理的相關(guān)資料，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家學(xué)習(xí)或者使用Python具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-08-08
Python實(shí)現(xiàn)圖數(shù)據(jù)處理的完整指南
圖是一種非常重要的數(shù)據(jù)結(jié)構(gòu),在Python中,我們可以使用鄰接矩陣來(lái)表示圖,這篇文章主要為大家介紹了Python實(shí)現(xiàn)圖數(shù)據(jù)處理的相關(guān)知識(shí),需要的可以參考下2024-04-04