NumPy数组重塑

重塑数组

重塑意味着更改数组的形状。

数组的形状是每个维中元素的数量。

通过重塑，我们可以添加或删除维度或更改每个维度中的元素数量。

从一维变形为二维

例

将以下具有12个元素的1-D数组转换为2-D数组。

最外面的维度将具有4个数组，每个数组包含3个元素：

  import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 
  12])


  newarr = arr.reshape(4, 3)

print(newarr)

从1-D变形为3-D

例

将以下具有12个元素的1-D数组转换为3-D数组。

最外面的维度将具有2个数组，其中包含3个数组，每个数组包含2个元素：

  import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 
  12])


  newarr = arr.reshape(2, 3, 2)

print(newarr)

我们可以重塑成任何形状吗？

是的，只要重塑所需的元素在两种形状中均相等。

我们可以将2个2行2D数组中的8个元素1D数组重塑为4个元素，但是我们不能将其重塑为3个元素3行2D数组，因为这将需要3x3 = 9个元素。

例

尝试将具有8个元素的1D数组转换为每个维度中具有3个元素的2D数组（将产生错误）：

  import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6, 7, 8])


  newarr = arr.reshape(3, 3)

print(newarr)

返回复制还是查看？

例

检查返回的数组是副本还是视图：

  import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6, 7, 8])


  print(arr.reshape(2, 4).base)

上面的示例返回原始数组，因此它是一个视图。

未知尺寸

允许您使用一个“未知”维度。

这意味着您不必在整形方法中为尺寸之一指定确切的数字。

Pass -1 作为值，NumPy将为您计算该数字。

例

将8个元素的1D数组转换为2x2元素的3D数组：

  import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6, 7, 8])


  newarr = arr.reshape(2, 2, -1)

print(newarr)

注意： 我们不能通过 -1 超过一个维度

展平数组

展平数组意味着将多维数组转换为一维数组。

我们可以用 reshape(-1) 去做这个。

例

将数组转换为一维数组：

  import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])

newarr 
  = arr.reshape(-1)

print(newarr)

注意： 有很多函数可以更改numpy中数组的形状 flatten , ravel 并用于重新排列元素 rot90 , flip , fliplr , flipud etc.这些属于numpy的中级到高级部分。

Python/numpy array reshape

目录