np.squeeze()函数

转载自：https://blog.csdn.net/zenghaitao0128/article/details/78512715

语法：numpy.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；

 
 

 
 
1
2
3
4
5

作用：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

引用：https://docs.scipy.org/doc/numpy/reference/generated/numpy.squeeze.html

场景：在机器学习和深度学习中，通常算法的结果是可以表示向量的数组（即包含两对或以上的方括号形式[[]]），如果直接利用这个数组进行画图可能显示界面为空（见后面的示例）。我们可以利用squeeze（）函数将表示向量的数组转换为秩为1的数组，这样利用matplotlib库函数画图时，就可以正常的显示结果了。

例1

#例1
import numpy as np

a  = np.arange(10).reshape(1,10)
a
 
 

 
 
1
2
3
4
5

array([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])

 
 

 
 
1

a.shape
 
 

 
 
1

(1, 10)

 
 

 
 
1

b = np.squeeze(a)
b
 
 

 
 
1
2

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

 
 

 
 
1

b.shape
 
 

 
 
1

(10,)

 
 

 
 
1

例2

#例2
c  = np.arange(10).reshape(2,5)
c
 
 

 
 
1
2
3

array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])

 
 

 
 
1
2

np.squeeze(c)
 
 

 
 
1

array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])

 
 

 
 
1
2

例3

#例3
d  = np.arange(10).reshape(1,2,5)
d
 
 

 
 
1
2
3

array([[[0, 1, 2, 3, 4],
        [5, 6, 7, 8, 9]]])

 
 

 
 
1
2

d.shape
 
 

 
 
1

(1, 2, 5)

 
 

 
 
1

np.squeeze(d)
 
 

 
 
1

array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])

 
 

 
 
1
2

np.squeeze(d).shape
 
 

 
 
1

(2, 5)

 
 

 
 
1

结论：根据上述例1~3可知，np.squeeze（）函数可以删除数组形状中的单维度条目，即把shape中为1的维度去掉，但是对非单维的维度不起作用。

例4

#例4
e  = np.arange(10).reshape(1,10,1)
e
 
 

 
 
1
2
3

array([[[0],
        [1],
        [2],
        [3],
        [4],
        [5],
        [6],
        [7],
        [8],
        [9]]])

 
 

 
 
1
2
3
4
5
6
7
8
9
10

 np.squeeze(e)
 
 

 
 
1

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

 
 

 
 
1

 np.squeeze(e).shape
 
 

 
 
1

(10,)

 
 

 
 
1

例5

np.squeeze(e,axis = 0)
 
 

 
 
1

array([[0],
       [1],
       [2],
       [3],
       [4],
       [5],
       [6],
       [7],
       [8],
       [9]])

 
 

 
 
1
2
3
4
5
6
7
8
9
10

np.squeeze(e,axis = 0).shape
 
 

 
 
1

(10, 1)

 
 

 
 
1

例6

#例6
np.squeeze(e,axis = 2)
 
 

 
 
1
2

array([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])

 
 

 
 
1

np.squeeze(e,axis = 2).shape
 
 

 
 
1

(1, 10)

 
 

 
 
1

例7

#例7，指定的维度不是单维，因此会报错
np.squeeze(e,axis = 1)
 
 

 
 
1
2

---------------------------------------------------------------------------

ValueError                                Traceback (most recent call last)

<ipython-input-52-75477f85aa4c> in <module>()
      1 #例7，指定的维度不是单维，因此会报错
----> 2 np.squeeze(e,axis = 1)


D:\Anaconda3\lib\site-packages\numpy\core\fromnumeric.py in squeeze(a, axis)
   1196     try:
   1197         # First try to use the new axis= parameter
-> 1198         return squeeze(axis=axis)
   1199     except TypeError:
   1200         # For backwards compatibility


ValueError: cannot select an axis to squeeze out which has size not equal to one

 
 

 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

例8：matplotlib画图示例

import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
 
 

 
 
1
2
3

#无法正常显示图示案例
squares =np.array([[1,4,9,16,25]]) 
squares.shape       #要显示的数组为可表示1行5列的向量的数组
 
 

 
 
1
2
3

(1, 5)

 
 

 
 
1

plt.plot(squares)
plt.show()
 
 

 
 
1
2

#正常显示图示案例
#通过np.squeeze()函数转换后，要显示的数组变成了秩为1的数组，即（5，）
plt.plot(np.squeeze(squares))    
plt.show()
 
 

 
 
1
2
3
4

np.squeeze(squares).shape
 
 

 
 
1

(5,)

 
 

 
 
1