python numpy array 数组维度转换（转维）

在实践中，经常需要对中间数据或输出数据进行维度转换，保证多个数据间计算维度上的一致性。

一般主要涉及pytorch中tensorde的维度转换、numpy中array的维度转换。本篇先对array的维度转换方法进行总结，涉及的转换方法如下：

# reshape()
# ravel()
# flatten()
# transpose()
# resize()

具体用法：

array_01 = np.arange(24)
print('\narray_01:\n', array_01, '\narray shape:', array_01.shape)

# 输出：array_01是一个一维数组，数组元素24个
# array_01:
# [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23] 
# array shape: (24,) 


# reshape(n1,n2,...，ni)将数组转换成特定维度
# n1*n2*...*ni = 转换前数组元素的总数
array_02 = array_01.reshape(3, 2, 4)
print('\narray_02:\n', array_02, '\narray shape:', array_02.shape)

# 输出：array_02是一个三维数组，channel为3，2行4列，3*2*4=24
# array_02:
# [[[ 0  1  2  3]
#  [ 4  5  6  7]]
#
# [[ 8  9 10 11]
#  [12 13 14 15]]
#
# [[16 17 18 19]
#  [20 21 22 23]]] 
# array shape: (3, 2, 4)


# ravel将多维数组转换为一维
array_03 = array_02.ravel()
print('\narray_03:\n', array_03, '\narray shape:', array_03.shape)

# 输出：array_03是一个一维数组，数组元素24个
# array_03:
# [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23] 
# array shape: (24,)


# flatten，与ravel相同，区别在是否拷贝
array_04 = array_02.flatten()
print('\narray_04:\n', array_04, '\narray shape:', array_04.shape)

# 输出：array_04是一个一维数组，数组元素24个
# array_04:
# [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23] 
# array shape: (24,)


# transpose转换坐标系,transpose(1, 2, 0)括号里的值表示坐标系的索引号
# 原始的坐标系为[c,h,w]  0-c,1-h,2-w
# 变换后的坐标系统[h,w,c]
array_05 = array_02.transpose(1, 2, 0)
print('\narray_05:\n', array_05, '\narray shape:', array_05.shape)

# 输出:array_05是一个三维数组
# array_05:
# [[[ 0  8 16]
#  [ 1  9 17]
#  [ 2 10 18]
#  [ 3 11 19]]
#
# [[ 4 12 20]
#  [ 5 13 21]
#  [ 6 14 22]
#  [ 7 15 23]]] 
# array shape: (2, 4, 3)