快捷導(dǎo)航

解讀numpy中改變數(shù)組維度的幾種方式

更新時(shí)間：2023年06月25日 09:27:27 作者：qiu_xingye

這篇文章主要介紹了numpy中改變數(shù)組維度的幾種方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教

numpy改變數(shù)組維度的幾種方式

在進(jìn)行深度學(xué)習(xí)或強(qiáng)化學(xué)習(xí)時(shí)經(jīng)常需要對(duì)數(shù)據(jù)的維度進(jìn)行變換，本文總結(jié)了numpy中幾種常用的變換數(shù)據(jù)維度的方法

增加一個(gè)維度

在多維數(shù)組的最后一維再增加一個(gè)維度可以使用numpy.reshape或numpy.expand_dims或numpy.newaxis。

示例如下：

import numpy as np
import matplotlib.pyplot as plt
# 生成一個(gè)二維數(shù)據(jù)
x = np.array(range(12))
x = np.reshape(x, (3,4))
print(x)
# 輸出為：
# [[ 0 ?1 ?2 ?3]
# ?[ 4 ?5 ?6 ?7]
# ?[ 8 ?9 10 11]]
# 在多維數(shù)組的最后一維再增加一個(gè)維度
y1 = np.expand_dims(x, axis=x.ndim)
y2 = np.expand_dims(x, axis=-1)
y3 = x[:,:,np.newaxis]
y4 = np.reshape(x, (*x.shape,1))
# 上述四種方法的結(jié)果完全一致
assert(np.all(y1==y2))
assert(np.all(y2==y3))
assert(np.all(y3==y4))
print(y4)
# 輸出為：
# [[[ 0]
# ? [ 1]
# ? [ 2]
# ? [ 3]]
# ?[[ 4]
# ? [ 5]
# ? [ 6]
# ? [ 7]]
# ?[[ 8]
# ? [ 9]
# ? [10]
# ? [11]]]

減小一個(gè)維度

如果多維數(shù)組的最后一維的長(zhǎng)度為1，可以將該維去掉，去掉的方法可以使用numpy.reshape或numpy.squeeze。

示例如下：

# 假設(shè)欲將剛才增加一維生成的多維數(shù)組y4的最后一維去掉
y = y4
x1 = np.squeeze(y, axis=(y.ndim-1))
x2 = np.squeeze(y)
x3 = np.squeeze(y, axis=-1)
x4 = np.reshape(y, y.shape[:-1])
# 上述四種方法的結(jié)果完全一致
assert(np.all(x1==x2))
assert(np.all(x2==x3))
assert(np.all(x3==x4))
print(x4)
# 輸出為：
# [[ 0 ?1 ?2 ?3]
# ?[ 4 ?5 ?6 ?7]
# ?[ 8 ?9 10 11]]

將多維數(shù)組壓縮為一維數(shù)組

將多維數(shù)組壓縮為一維數(shù)組，可使用flatten或ravel以及reshape方法。

示例如下：

z1 = y.flatten()
z2 = y.ravel()
z3 = y.reshape(y.size)
# 上述三種方法結(jié)果完全一致
assert(np.all(z1==z2))
assert(np.all(z2==z3))
print(z3)
# 輸出為：
# [ 0 ?1 ?2 ?3 ?4 ?5 ?6 ?7 ?8 ?9 10 11]

將多維數(shù)組壓縮為二維數(shù)組，0軸保持不變

在深度學(xué)習(xí)或強(qiáng)化學(xué)習(xí)中，有時(shí)需要將shape為(batches, d1, d2, d3,...)的多維數(shù)組轉(zhuǎn)化為shape為（batches, d1*d2*d3...）的數(shù)組，此時(shí)可以使用reshape進(jìn)行轉(zhuǎn)化。

示例如下：

#生成多維數(shù)據(jù)
d0 = np.expand_dims(x, axis=0)
d1 = np.repeat(d0, 3, axis=0)
print(d1)
# 輸出為
# [[[ 0 ?1 ?2 ?3]
# ? [ 4 ?5 ?6 ?7]
# ? [ 8 ?9 10 11]]
# ?[[ 0 ?1 ?2 ?3]
# ? [ 4 ?5 ?6 ?7]
# ? [ 8 ?9 10 11]]
# ?[[ 0 ?1 ?2 ?3]
# ? [ 4 ?5 ?6 ?7]
# ? [ 8 ?9 10 11]]]
#轉(zhuǎn)化為二維數(shù)組
d2 = np.reshape(d1, (d1.shape[0], d1[0].size))
print(d2)
# 輸出為：
# [[ 0 ?1 ?2 ?3 ?4 ?5 ?6 ?7 ?8 ?9 10 11]
# ?[ 0 ?1 ?2 ?3 ?4 ?5 ?6 ?7 ?8 ?9 10 11]
# ?[ 0 ?1 ?2 ?3 ?4 ?5 ?6 ?7 ?8 ?9 10 11]]