深度学习中用到的numpy数组格式转换命令汇总

numpy格式转换相关命令

1.1 np.squeeze()——从数组的形状中删除单维度条目，即把shape中为1的维度去掉

格式：np.squeeze(a,axis=None)

​ 1.a表示输入的数组;

​ 2.axis用于指定需要删除的维度，但是指定的维度必须为单维度，否则将会报错;

​ 3.axis的取值可为None 或 int 或 tuple of ints, 可选。若axis为空，则删除所有单维度的条目;

​ 4.返回值：数组；

​ 5.不会修改原数组；

import numpy as np

e = np.arange(10).reshape(1, 2, 5)
print("e=\n", e, "\ne.shape=", e.shape)
a = np.squeeze(e)
print("a=\n", a, "\na.shape=", a.shape)

结果：

e=	a=
[[[0 1 2 3 4] [5 6 7 8 9]]]	[[0 1 2 3 4] [5 6 7 8 9]]
e.shape= (1, 2, 5)	a.shape= (2, 5)

---

1.2 np.zeros_like(a)——即产生一个维度和a一样大小的全0数组

格式：np.zeros_like(a,dtype=None,order="K",subok=True,shape=None)

1. a表示输入的数组;

2. dtype指定输出数组中数字的类型，默认情况下与数组a中的类型一致；

3. 返回值：数组

4. 不会修改原数组；

import numpy as np

a = np.arange(10)