numpy数组02-数组的形状

本文详细介绍了如何使用NumPy库查看和修改数组的形状,包括一维、二维和三维数组的shape属性,并展示了reshape函数用于改变数组维度和flatten函数用于按行展开多维数组的应用实例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、查看数组的形状

通过数组.shape查看数组的形状

1)对于一个一维数组

示例代码如下:

t1 = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])
print(t1)
print(t1.shape)

输出结果如下所示:

对于一维数组来说,12代表元素的个数。

2)对于一个二维数组

t2 = np.array([[1, 2, 3], [4, 5, 6]])
print(t2)
print(t2.shape)

输出结果如下所示:

 

其中:2代表行数,3代表列数。

3)对于一个3维数组:

创建一个n维数组,则列表最外层的【】数为n

示例代码如下:

t3 = np.array([[[1, 2, 3], [4, 5, 6]],[[7, 8, 9], [10, 11, 12]]])
print(t3)
print(t3.shape)

输出结果如下:

3维数组的shape可以理解为:第一个2表示块,整个数组被分为两部分;第二个2表示每部分的行;3表示每部分的列。

二、修改数组的形状

通过数组.reshape()可以修改数组的格式。

reshape是一个有返回值的操作,不会对原数组修改。

将一维数组修改为三维数组。

示例代码如下:

a = np.array(range(24))
print(a)
b = a.reshape(2, 3, 4)
c = a.reshape((2, 3, 4))
print(b)
print(c)

输出结果如下:

 

其中,reshape的最外层括号是函数的括号,里面的括号是参数的括号,参数位元组。

需要注意的点:reshape(24,)和reshape(24,1)

d = a.reshape((24, ))  # 修改为1维数组  两边分别有1 个中括号
e = a.reshape((1, 24))  # 修改为2维数组 两边分别有2 个中括号
print(d)
print(e)

输出结果如下:

其中d为一维数组;e为二维数组。需要注意其中的区别。

将一个多维数组按行展开

通过flatten()可以将多维数组按行展开成一维数组。

c = a.reshape(2, 3, 4)
f = c.flatten()
print(c)
print(f)

 输出结果如下所示:

### Numpy 数组重塑与转置的操作方法 #### 1. 数组的重塑 Numpy 提供了多种方式来改变数组形状而不改变其数据。`reshape()` 函数是一个常用的方法,它可以将数组重新调整为指定的维度[^1]。 ```python import numpy as np arr = np.array([1, 2, 3, 4, 5, 6]) reshaped_arr = arr.reshape(2, 3) print(reshaped_arr) ``` 上述代码展示了如何通过 `reshape()` 将一维数组 `[1, 2, 3, 4, 5, 6]` 转换为一个二维数组 [[1, 2, 3], [4, 5, 6]]。需要注意的是,新形状中的元素总数必须与原数组一致。 另一种方法是使用 `flatten()` 或者 `ravel()` 来展平一个多维数组到一维数组。其中,`flatten()` 返回一个新的副本,而 `ravel()` 则尽可能返回视图[^3]。 ```python flattened_arr = reshaped_arr.flatten() print(flattened_arr) raveled_arr = reshaped_arr.ravel() print(raveled_arr) ``` #### 2. 数组的转置 对于矩阵或者更高维度的数据结构来说,转置意味着交换轴上的索引位置。这可以通过 `.T` 属性或 `transpose()` 方法实现。 ```python transposed_arr = reshaped_arr.T print(transposed_arr) alternative_transpose = np.transpose(reshaped_arr) print(alternative_transpose) ``` 以上两段代码均实现了相同的效果——把原来的行变成列,列变成行。如果处理三维及以上维度,则需注意参数设置以定义具体的轴变换顺序。 例如: ```python three_d_array = np.arange(8).reshape((2, 2, 2)) permuted_axes = three_d_array.transpose(2, 0, 1) print(permuted_axes.shape) ``` 这段脚本演示了一个三阶张量沿不同轴方向重排的例子。 #### 总结说明 综上所述,利用 NumPy 可方便快捷地完成诸如重塑、扁平等形态变化以及任意维度下的转置操作。这些工具极大地简化了复杂数据集预处理过程中的工作流程[^2]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

一道秘制的小菜

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值