numpy 数组维度操作汇总

最新推荐文章于 2025-10-21 16:50:21 发布

转载最新推荐文章于 2025-10-21 16:50:21 发布 · 822 阅读

python 专栏收录该内容

13 篇文章

订阅专栏

本文详细介绍了NumPy中数组的基本操作，包括改变数组维度的方法如reshape、resize及shape属性的使用，将多维数组转化为一维数组的ravel与flatten函数的区别，以及如何通过transpose进行矩阵转置。同时对比了不同函数的特点及其对原数组的影响。

转载：https://blog.youkuaiyun.com/weixin_38283159/article/details/78793277

所有的重排原则：

从原数组最深维度开始依次取元素排到转换后数组最深维度处

1、reshape & resize & shape 改变数组维度

reshape函数：不改变原数组维度，有返回值
resize函数：直接改变原数组维度，无返回值
shape属性：直接改变原数组维度

>>> import numpy as np
>>> a=np.arange(12)
>>> a
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])
>>> a.reshape(2,6) 
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]])
>>> a
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])
>>> a.reshape(2,3,2)  
array([[[ 0,  1],  
        [ 2,  3],
        [ 4,  5]],

       [[ 6,  7],
        [ 8,  9],
        [10, 11]]])
>>> a.resize(2,6)
>>> a
>>> array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]])
>>> a.shape=(2,6)
>>> a
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]])
>>> a.shape=(2,3,2)
>>> a
array([[[ 0,  1],
        [ 2,  3],
        [ 4,  5]],

       [[ 6,  7],
        [ 8,  9],
        [10, 11]]])
>>>

2、ravel & flatten 将数组变为一维

两个函数都不会改变原数组维度
区别在于：ravel、flatt函数都返回一维数组的一个视图（View）
但是flatten函数还会请求分配内存来保存结果

>>> a
array([[[ 0,  1],
        [ 2,  3],
        [ 4,  5]],

       [[ 6,  7],
        [ 8,  9],
        [10, 11]]])
>>> a.ravel()
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])
>>> a
array([[[ 0,  1],
        [ 2,  3],
        [ 4,  5]],

       [[ 6,  7],
        [ 8,  9],
        [10, 11]]])
>>> a.flatten()
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])
>>> a
array([[[ 0,  1],
        [ 2,  3],
        [ 4,  5]],

       [[ 6,  7],
        [ 8,  9],
        [10, 11]]])

3 transpose & T 矩阵转置

transpose函数与T 属性功能一致：不改变原数组，有转置后的返回值，且一维数组返回值为它本身

>>> a
array([[ 0,  1],
       [ 2,  3],
       [ 4,  5],
       [ 6,  7],
       [ 8,  9],
       [10, 11]])
>>> a.T
array([[ 0,  2,  4,  6,  8, 10],
       [ 1,  3,  5,  7,  9, 11]])
>>> a
array([[ 0,  1],
       [ 2,  3],
       [ 4,  5],
       [ 6,  7],
       [ 8,  9],
       [10, 11]])
>>> a.transpose()
array([[ 0,  2,  4,  6,  8, 10],
       [ 1,  3,  5,  7,  9, 11]])
>>> a
array([[ 0,  1],
       [ 2,  3],
       [ 4,  5],
       [ 6,  7],
       [ 8,  9],
       [10, 11]])

4、细说transpose函数

当维度大于等于三维时，transpose函数可以交换维度顺序
当transpose()参数为空时，默认参数是维度序号的倒序排列
以三维为例 transpose() 等价于 transpose(2,1,0) 即深度变为行，行变为深度

>>> a
array([[[ 0,  1],
        [ 2,  3],
        [ 4,  5]],

       [[ 6,  7],
        [ 8,  9],
        [10, 11]]])
#深度变为行，行变为深度
>>> a.transpose()  
array([[[ 0,  6],
        [ 2,  8],
        [ 4, 10]],

       [[ 1,  7],
        [ 3,  9],
        [ 5, 11]]])
>>> a.transpose(2，1，0)  
array([[[ 0,  6],
        [ 2,  8],
        [ 4, 10]],

       [[ 1,  7],
        [ 3,  9],
        [ 5, 11]]])
#列变为行，行变为列
>>> a.transpose(1,0,2)
array([[[ 0,  1],
        [ 6,  7]],

       [[ 2,  3],
        [ 8,  9]],

       [[ 4,  5],
        [10, 11]]])
#深度变为列，列变为深度
>>> a.transpose(0,2,1)
array([[[ 0,  2,  4],
        [ 1,  3,  5]],

       [[ 6,  8, 10],
        [ 7,  9, 11]]])