Python中的numpy數(shù)組維度擴(kuò)展詳解
numpy數(shù)組維度擴(kuò)展
在numpy數(shù)組中,切片功能非常常用,例如 x[:] 表示取 x 的所有元素。
那么如何對(duì)一個(gè)numpy數(shù)組進(jìn)行維度擴(kuò)展呢?
可以通過在切片中增加 None 或者 np.newaxis 實(shí)現(xiàn),它們的作用就是在相應(yīng)的位置上增加一個(gè)維度,在這個(gè)維度上只有一個(gè)元素。
在切片操作中 np.newaxis 和 None 等價(jià):

實(shí)驗(yàn)
假設(shè)一個(gè)numpy數(shù)組如下:
import numpy as np x = np.array([[[1],[2],[3]], [[4],[5],[6]]])
其維度為:
x.shape (2, 3, 1)
希望將其維度增加為(1,2,3,1): 可以通過在切片中增加 None :
y = x[None]
y
array([[[[1],
[2],
[3]],
[[4],
[5],
[6]]]])
y.shape
(1, 2, 3, 1)或者在切片中加入 np.newaxis :
z = x[np.newaxis]
z
array([[[[1],
[2],
[3]],
[[4],
[5],
[6]]]])
z.shape
(1, 2, 3, 1)還可以將其維度增加為(2,1,3,1):
a = x[:,None,:,:]
a
array([[[[1],
[2],
[3]]],
[[[4],
[5],
[6]]]])
a.shape
(2, 1, 3, 1)相關(guān)文章
對(duì)python讀取CT醫(yī)學(xué)圖像的實(shí)例詳解
今天小編就為大家分享一篇對(duì)python讀取CT醫(yī)學(xué)圖像的實(shí)例詳解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-01-01
pytorch鎖死在dataloader(訓(xùn)練時(shí)卡死)
這篇文章主要介紹了pytorch鎖死在dataloader(訓(xùn)練時(shí)卡死),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2021-05-05
運(yùn)用Python3實(shí)現(xiàn)Two-Pass算法檢測(cè)區(qū)域連通性
如何高效的檢測(cè)出連通區(qū)域的流動(dòng)性是大家一直關(guān)注的話題,這篇文章主要介紹了運(yùn)用Python3實(shí)現(xiàn)Two-Pass算法檢測(cè)區(qū)域連通性,感興趣的朋友可以一起來看看2021-08-08
Python實(shí)現(xiàn)環(huán)境隔離和幾種常見方法
在 Python 開發(fā)中,環(huán)境隔離是一個(gè)非常重要的實(shí)踐,它可以避免不同項(xiàng)目之間的依賴沖突,確保每個(gè)項(xiàng)目都能在獨(dú)立的環(huán)境中運(yùn)行,以下是幾種常見的 Python 環(huán)境隔離方法,需要的朋友可以參考下2025-09-09
Python?獲取指定開頭指定結(jié)尾所夾中間內(nèi)容(推薦)
獲取文章中指定開頭、指定結(jié)尾中所夾的內(nèi)容。其中,開頭和結(jié)尾均有多種,但最多也就十幾種,所以代碼還是具有可行性的,今天小編給大家介紹通過Python?獲取指定開頭指定結(jié)尾所夾中間內(nèi)容,感興趣的朋友一起看看吧2023-02-02
Python中高效的json對(duì)比庫(kù)deepdiff詳解
deepdiff模塊常用來校驗(yàn)兩個(gè)對(duì)象是否一致,包含3個(gè)常用類,DeepDiff,DeepSearch和DeepHash,其中DeepDiff最常用,可以對(duì)字典,可迭代對(duì)象,字符串等進(jìn)行對(duì)比,使用遞歸地查找所有差異,今天我們就學(xué)習(xí)一下快速實(shí)現(xiàn)代碼和文件對(duì)比的庫(kù)–deepdiff2022-07-07

