快捷導(dǎo)航

NumPy 形狀操縱的實(shí)現(xiàn)示例

更新時(shí)間：2026年01月06日 10:39:31 作者：m0_58852358

本文主要介紹了NumPy 形狀操縱的實(shí)現(xiàn)示例,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

改變數(shù)組的形狀

一個(gè)數(shù)組的形狀是由每個(gè)軸的元素?cái)?shù)量決定的：

>>> a = np.floor(10*np.random.random((3,4)))
>>> a
array([[ 2.,  8.,  0.,  6.],
       [ 4.,  5.,  1.,  1.],
       [ 8.,  9.,  3.,  6.]])
>>> a.shape
(3, 4)

可以使用各種命令更改數(shù)組的形狀。請(qǐng)注意，以下三個(gè)命令都返回一個(gè)修改后的數(shù)組，但不會(huì)更改原始數(shù)組：

>>> a.ravel()  # returns the array, flattened
array([ 2.,  8.,  0.,  6.,  4.,  5.,  1.,  1.,  8.,  9.,  3.,  6.])
>>> a.reshape(6,2)  # returns the array with a modified shape
array([[ 2.,  8.],
       [ 0.,  6.],
       [ 4.,  5.],
       [ 1.,  1.],
       [ 8.,  9.],
       [ 3.,  6.]])
>>> a.T  # returns the array, transposed
array([[ 2.,  4.,  8.],
       [ 8.,  5.,  9.],
       [ 0.,  1.,  3.],
       [ 6.,  1.,  6.]])
>>> a.T.shape
(4, 3)
>>> a.shape
(3, 4)

由 ravel() 產(chǎn)生的數(shù)組中元素的順序通常是“C風(fēng)格”，也就是說(shuō)，最右邊的索引“變化最快”，因此[0,0] 之后的元素是 [0,1] 。如果將數(shù)組重新整形為其他形狀，則該數(shù)組將被視為“C風(fēng)格”。NumPy通常創(chuàng)建按此順序存儲(chǔ)的數(shù)組，因此 ravel() 通常不需要復(fù)制其參數(shù)，但如果數(shù)組是通過(guò)獲取另一個(gè)數(shù)組的切片或使用不常見(jiàn)的選項(xiàng)創(chuàng)建的，則可能需要復(fù)制它。還可以使用可選參數(shù)指示函數(shù) ravel() 和 reshape()，以使用FORTRAN樣式的數(shù)組，其中最左邊的索引變化最快。

該 reshape 函數(shù)返回帶有修改形狀的參數(shù)，而該 ndarray.resize 方法會(huì)修改數(shù)組本身：

>>> a
array([[ 2.,  8.,  0.,  6.],
       [ 4.,  5.,  1.,  1.],
       [ 8.,  9.,  3.,  6.]])
>>> a.resize((2,6))
>>> a
array([[ 2.,  8.,  0.,  6.,  4.,  5.],
       [ 1.,  1.,  8.,  9.,  3.,  6.]])

如果在 reshape 操作中將 size 指定為-1，則會(huì)自動(dòng)計(jì)算其他的 size 大?。?/p>

>>> a.reshape(3,-1)
array([[ 2.,  8.,  0.,  6.],
       [ 4.,  5.,  1.,  1.],
       [ 8.,  9.,  3.,  6.]])

另見(jiàn)

ndarray.shape， reshape， resize， ravel

將不同數(shù)組堆疊在一起 np.vstack: 行堆疊, np.hstack: 列堆疊

幾個(gè)數(shù)組可以沿不同的軸堆疊在一起，例如：

>>> a = np.floor(10*np.random.random((2,2)))
>>> a
array([[ 8.,  8.],
       [ 0.,  0.]])
>>> b = np.floor(10*np.random.random((2,2)))
>>> b
array([[ 1.,  8.],
       [ 0.,  4.]])
>>> np.vstack((a,b))
array([[ 8.,  8.],
       [ 0.,  0.],
       [ 1.,  8.],
       [ 0.,  4.]])
>>> np.hstack((a,b))
array([[ 8.,  8.,  1.,  8.],
       [ 0.,  0.,  0.,  4.]])

該函數(shù)將 column_stack 1D數(shù)組作為列堆疊到2D數(shù)組中。它僅相當(dāng)于 hstack 2D數(shù)組：

>>> from numpy import newaxis
>>> np.column_stack((a,b))     # with 2D arrays
array([[ 8.,  8.,  1.,  8.],
       [ 0.,  0.,  0.,  4.]])
>>> a = np.array([4.,2.])
>>> b = np.array([3.,8.])
>>> np.column_stack((a,b))     # returns a 2D array
array([[ 4., 3.],
       [ 2., 8.]])
>>> np.hstack((a,b))           # the result is different
array([ 4., 2., 3., 8.])
>>> a[:,newaxis]               # this allows to have a 2D columns vector
array([[ 4.],
       [ 2.]])
>>> np.column_stack((a[:,newaxis],b[:,newaxis]))
array([[ 4.,  3.],
       [ 2.,  8.]])
>>> np.hstack((a[:,newaxis],b[:,newaxis]))   # the result is the same
array([[ 4.,  3.],
       [ 2.,  8.]])

另一方面，該函數(shù) ma.row_stack 等效 vstack 于任何輸入數(shù)組。通常，對(duì)于具有兩個(gè)以上維度的數(shù)組， hstack 沿其第二軸 vstack 堆疊，沿其第一軸堆疊，并concatenate 允許可選參數(shù)給出連接應(yīng)發(fā)生的軸的編號(hào)。

注意

在復(fù)雜的情況下，r_和c c_于通過(guò)沿一個(gè)軸堆疊數(shù)字來(lái)創(chuàng)建數(shù)組很有用。它們?cè)试S使用范圍操作符(“：”)。

>>> np.r_[1:4,0,4]
array([1, 2, 3, 0, 4])

與數(shù)組一起用作參數(shù)時(shí)， r_ 和 c_ 在默認(rèn)行為上類(lèi)似于 vstack 和 hstack ，但允許使用可選參數(shù)給出要連接的軸的編號(hào)。

另見(jiàn)

hstack， vstack， column_stack， concatenate， c_， r_

將一個(gè)數(shù)組拆分成幾個(gè)較小的數(shù)組

使用 hsplit，可以沿?cái)?shù)組的水平軸拆分?jǐn)?shù)組，方法是指定要返回的形狀相等的數(shù)組的數(shù)量，或者指定應(yīng)該在其之后進(jìn)行分割的列：

>>> a = np.floor(10*np.random.random((2,12)))
>>> a
array([[ 9.,  5.,  6.,  3.,  6.,  8.,  0.,  7.,  9.,  7.,  2.,  7.],
       [ 1.,  4.,  9.,  2.,  2.,  1.,  0.,  6.,  2.,  2.,  4.,  0.]])
>>> np.hsplit(a,3)   # Split a into 3
[array([[ 9.,  5.,  6.,  3.],
       [ 1.,  4.,  9.,  2.]]), array([[ 6.,  8.,  0.,  7.],
       [ 2.,  1.,  0.,  6.]]), array([[ 9.,  7.,  2.,  7.],
       [ 2.,  2.,  4.,  0.]])]
>>> np.hsplit(a,(3,4))   # Split a after the third and the fourth column
[array([[ 9.,  5.,  6.],
       [ 1.,  4.,  9.]]), array([[ 3.],
       [ 2.]]), array([[ 6.,  8.,  0.,  7.,  9.,  7.,  2.,  7.],
       [ 2.,  1.,  0.,  6.,  2.,  2.,  4.,  0.]])]

vsplit 沿垂直軸分割，并 array_split 允許指定要分割的軸。

到此這篇關(guān)于NumPy 形狀操縱的實(shí)現(xiàn)示例的文章就介紹到這了,更多相關(guān)NumPy 形狀操縱內(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！

您可能感興趣的文章: