NumPy形状操作 更改数组的形状

形状操作

更改数组的形状

一个数组的形状由它每个轴上的元素个数给出：

>>> a = floor(10*random.random((3,4)))
>>> a
array([[ 7.,  5.,  9.,  3.],
       [ 7.,  2.,  7.,  8.],
       [ 6.,  8.,  3.,  2.]])
>>> a.shape
(3, 4)

一个数组的形状可以被多种命令修改：

>>> a.ravel() # flatten the array
array([ 7.,  5.,  9.,  3.,  7.,  2.,  7.,  8.,  6.,  8.,  3.,  2.])
>>> a.shape = (6, 2)
>>> a.transpose()
array([[ 7.,  9.,  7.,  7.,  6.,  3.],
       [ 5.,  3.,  2.,  8.,  8.,  2.]])

由 ravel() 展平的数组元素的顺序通常是“C风格”的，就是说，最右边的索引变化得最快，所以元素a[0,0]之后是a[0,1]。如果数组被改变形状(reshape)成其它形状，数组仍然是“C风格”的。NumPy通常创建一个以这个顺序保存数据的数组，所以 ravel() 将总是不需要复制它的参数 ³ 。但是如果数组是通过切片其它数组或有不同寻常的选项时，它可能需要被复制。函数 reshape() 和 ravel() 还可以被同过一些可选参数构建成FORTRAN风格的数组，即最左边的索引变化最快。

reshape 函数改变参数形状并返回它，而 resize 函数改变数组自身。

>>> a
array([[ 7.,  5.],
       [ 9.,  3.],
       [ 7.,  2.],
       [ 7.,  8.],
       [ 6.,  8.],
       [ 3.,  2.]])
>>> a.resize((2,6))
>>> a
array([[ 7.,  5.,  9.,  3.,  7.,  2.],
       [ 7.,  8.,  6.,  8.,  3.,  2.]])

如果在改变形状操作中一个维度被给做-1，其维度将自动被计算

更多 shape, reshape, resize, ravel 参考 NumPy示例

>>> a = floor(10*random.random((3,4)))
>>> a
array([[ 0.,  1.,  8.,  6.],
       [ 7.,  1.,  9.,  9.],
       [ 7.,  3.,  9.,  8.]])
>>> a.shape
(3, 4)
>>> a.ravel()
array([ 0.,  1.,  8.,  6.,  7.,  1.,  9.,  9.,  7.,  3.,  9.,  8.])
>>> a.shape = (6, 2)
>>> a
array([[ 0.,  1.],
       [ 8.,  6.],
       [ 7.,  1.],
       [ 9.,  9.],
       [ 7.,  3.],
       [ 9.,  8.]])
>>> a.transpose()
array([[ 0.,  8.,  7.,  9.,  7.,  9.],
       [ 1.,  6.,  1.,  9.,  3.,  8.]])
>>> a.shape = (3,4)
>>> a.transpose()
array([[ 0.,  7.,  7.],
       [ 1.,  1.,  3.],
       [ 8.,  9.,  9.],
       [ 6.,  9.,  8.]])
>>> a=array([ 7.,  5.,  9.,  3.,  7.,  2.,  7.,  8.,  6.,  8.,  3.,  2.])
>>> a
array([ 7.,  5.,  9.,  3.,  7.,  2.,  7.,  8.,  6.,  8.,  3.,  2.])
>>> a.reshape(6,2)
array([[ 7.,  5.],
       [ 9.,  3.],
       [ 7.,  2.],
       [ 7.,  8.],
       [ 6.,  8.],
       [ 3.,  2.]])
>>> a
array([ 7.,  5.,  9.,  3.,  7.,  2.,  7.,  8.,  6.,  8.,  3.,  2.])
>>> a.resize((2,6))
>>> a
array([[ 7.,  5.,  9.,  3.,  7.,  2.],
       [ 7.,  8.,  6.,  8.,  3.,  2.]])
>>>