python 数据维度操作方法记录

二维列表降维为一维

sum(list,[ ])

list1=[[0,1,2],[2,3,4]]
list2=[[2,1,2],[3,1,4]]
list1.extend(list2)
print(sum(list1,[]))
#[0, 1, 2, 2, 3, 4, 2, 1, 2, 3, 1, 4]

ndarray.flatten(order='C') 

order{‘C’, ‘F’, ‘A’, ‘K’}, optional default：C

C：表示按照行row展开

F：表示按照column列展开

A ：表示如果 a 在内存中是连续的，则按列-主顺序排列，否则按行-主顺序排列。

K ：表示按照

元素在内存中出现的顺序对 a 进行扁平化。

import numpy as np
a = np.array([[1,2], [3,4]])
print(a.flatten())
#array([1, 2, 3, 4])
print(a.flatten('F'))
#array([1, 3, 2, 4])

 numpy.squeeze(a,axis=None)

去除所有维度上长度为1或特定轴上长度为1的维度，如果尝试去除维度上长度不为1的维度将报错

import numpy as np

x = np.array([[[0], [1], [2]]])

x.shape
#(1, 3, 1)
np.squeeze(x).shape
#(3,)
np.squeeze(x, axis=0).shape
#(3, 1)

 

维度互换

 numpy.swapaxes(a, axis1, axis2)[source]#

data=np.array([[[0,1,1],[2,3,8]],[[4,5,0],[6,7,9]]])
print(data.shape)
#(2,2,3)
print(data)
#[[[0 1 1]
#  [2 3 8]]
#
# [[4 5 0]
#  [6 7 9]]]
data=np.swapaxes(data,0,2)
print(data.shape)
#(3,2,2)
print(data)
#[[[0 4]
#  [2 6]]
#
# [[1 5]
#  [3 7]]
#
# [[1 0]
#  [8 9]]]

ndarray.reshapeopen in new window(shape[, order])	返回包含具有新形状的相同数据的数组。
ndarray.resizeopen in new window(new_shape[, refcheck])	就地更改数组的形状和大小