Numpy库自学笔记（二、数组转换）

Numpy库自学笔记（二、数组转换）

本笔记内容源于北京某大学课程课件、Numpy官方文档

数组转换与维度变换

首先与要了解元素在Numpy中的排列方式，在存储高维数组时，元素仍呈线性存储，由于高维数组分行和列，因此存储方式分为行存储、列存储。

按行顺序存储，同一行的元素存储在物理位置相邻的存储单元中，如下图所示

按列顺序存储，同一列的元素存储在物理位置相邻的存储单元中

3维数组中元素的排列方式，a[0][0][0]-a[0][0][1]-a[0][0][2]-a[0][1][0]-a[0][1][1]...

数组转换

函数	介绍
ndarray.copy (order=‘C’)	返回原数组的副本。修改副本不会影响原数组
ndarray.view (order=‘C’)	返回原数组的视图。修改副本会影响原数组
ndarray.astype (new_type, order=‘K’)	order : 可选范围为{ ‘C’ , ‘F’ , ‘A’ , ‘ K’ } 将数组转换成指定的数据类型, 原数组不变
ndarray.tolist ( )	ndarray.tolist ( )

ndarray.copy (order=‘C’) ,返回原数组的副本。修改副本不会影响原数组。

• order : 可选范围为{‘C’, ‘F’, ‘A’ , ‘ K’}， order 选项控制拷贝数组在内存中的存储
  顺序。
• “C”表示使用类似C语言的存储方式，按行优先存储
• “F” 表示使用类似Fortran语言的存储方式，按列优先存储
• “A”表示原数组如果按照Fortran存储方式，那么”A” 为F顺序存储。否则， ”A”为C顺序。
• “K” 表示拷贝数组和原始数组的存储顺序尽可能一致。

a=np.array([[1,3,5],[7,9,4]])
b=a.copy() #默认的是‘C’
c=a
d=a[:]
e=np.copy(a)#默认为k
a[0]=0
print(a) #原元素变化时
print(b)#拷贝数组元素不变,将原数据复制到新的内存空间中,即a与b的地址不同，因此改变b不影响a，改变a不影响b
print(e)
print (f'{id(a)},{id(b)},{id(e)}')
print(c)
print(d)
print(f'{id(a)},{id(c)},{id(d)}')#c=a[:]这种方式对数组进行复制时，c和a的地址相同，当对元素进行改变时，会产生影响
#而d=a[:],d的地址不同与a的原因是d开辟了新的地址，里面的内容指向a，而不是将原数据复制到新的内存空间中，因此a改变，d也改变

[[0 0 0]
 [7 9 4]]
[[1 3 5]
 [7 9 4]]
[[1 3 5]
 [7 9 4]]
1827768851312,1827768850592,1827768849072
[[0 0 0]
 [7 9 4]]
[[0 0 0]
 [7 9 4]]
1827768851312,1827768851312,1827768849792

而列表与数组的copy方式不同，需要注意的是列表中e=a[:]与数组ndarray不同

a=[1,2,3]
b=a
c=a.copy()
e=a[:]
a[0]=0
print(f'{a},{b},{c},{e}')
print(f'{id(a)},{id(b)},{id(c)},{id(e)}')

[0, 2, 3],[0, 2, 3],[1, 2, 3],[1, 2, 3]
2464546618112,2464546618112,2464546617408,2464546634752

ndarray.view (order=‘C’)
view（视图）就是我们上文所说的“开辟了新的地址，里面的内容指向原数组”
修改复制后对象，会对原数组产生影响

a=np.array([[1,3,5],[7,9,4]])
b=a.view()
b[0]=0
print(f'{a}\n{b}')
print(f'{id(a)},{id(b)}')

[[0 0 0]
 [7 9 4]]
[[0 0 0]
 [7 9 4]]
2464547483200,2464547483120

ndarray.astype (new_type, order=‘K’ ), order : 可选范围为{ ‘C’ , ‘F’ , ‘A’ , ‘ K’ }
将数组转换成指定的数据类型, 原数组不变。

a=np.array([1,3,5.0])
print(a)
b=a.astype('int')
print(a)#不影响原数组，因此b不是a的view
print(b)

[1. 3. 5.]
[1. 3. 5.]
[1 3 5]

ndarray.tolist ( )

• 将数组变成嵌套的列表, 原数组不变

a=np.array([[[3, 3, 7],[2, 4, 7]],[[2, 1, 2],[1, 1, 4]]])
a1=a.tolist()
print(a)

[[[3 3 7]
  [2 4 7]]

 [[2 1 2]
  [1 1 4]]]

ndarray.item(shape)

• 按照shape, 返回指定数组的元素副本。与a[shape]类似，
  但是返回的是标准Python标量而不是数组标量。

a=np.array([[[3, 3, 7],[2, 4, 7]],[[2, 1, 2],[1, 1, 4]]])
a[(1,0,1)]

1

a.item(7)#如果直接用a[7]则会报错

1

a.item((1,0,1))#shape为元组，用于定位用

1

ndarray形状转换

ndarray.reshape( new_shape, order=‘C‘) 与np.reshape (a, new_shape,order=‘C’) ，不改变数据的情况下， 按照new_shape形状, 产生一个新数组，原数组
不变

• order : 可选范围为{ ‘C’, ‘F’, ‘A’ }, 默认参数为C。
• “C”类似C语言的索引顺序读取/ 写入元素
• “F”类似Fortran语言的索引顺序读取/ 写入元素
• “A” 表示原数组是Fortran存储顺序，那么” A” 为F顺序读取/ 写入元素，否则，” A” 为C顺序

a=np.array([[1,2,3],[4,5,6]],order='F') 
print(a)
print(a.reshape(3,2,order='A'))#由于是a是按列存储，则读取a的数据时，从上到下读；本写入也采用F的形式，所以按列将a的元素依次写入
print(np.reshape(a,(3,2),order='F'))

[[1 2 3]
 [4 5 6]]
[[1 5]
 [4 3]
 [2 6]]
[[1 5]
 [4 3]
 [2 6]]

ndarray. resize(new_shape， refcheck=True)

• 改变原数组的形状和大小，可以缩小数组，扩大数组，重组数据不够时，使用零填补
• refcheck –引用计数检查，默认值 True，启用引用计数检查的目的是数组与另外 Python对象公共内存时，不要改变数组内存空间大小（保持数组元素数量不变）

np. resize(a, new_shape)

• 按照指定形状返回新的数组，原数组不变。可以缩小数组，
• 扩大数组，重组数据不够时，使用原数据依次填补

a=np.array([[1,2,3],[4,5,6]],order='F')
print(a)
a.resize((2,2),refcheck=False)
print(a)
a.resize((3,3),refcheck=False) #由于是按列存储，所以是这样
print(a)
a.resize((1,3),refcheck=False)
print(a)

[[1 2 3]
 [4 5 6]]
[[1 2]
 [4 5]]
[[1 5 0]
 [4 0 0]
 [2 0 0]]
[[1 4 2]]

a=np.array([[1,2,3],[4,5,6]]) #默认的存储顺序是“C”
print(a)
b=np.resize(a,(2,4))#默认按行存储，即1、2、3、4、5、6，当到第七个位置的时候，由于原数组元素不够，则再从1、2、3、4、5、6依次递补
c=np.resize(a,(2,2))
print(b)
print(c)
print(a)

[[1 2 3]
 [4 5 6]]
[[1 2 3 4]
 [5 6 1 2]]
[[1 2]
 [3 4]]
[[1 2 3]
 [4 5 6]]

ndarray.swapaxes (axis1, axis2)
np.swapaxes (a, axis1 ,axis2)
返回数组中axis1， axis2互换的数组，原数组不变

a=np.arange(24).reshape((2,3,4))
a

array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Du7L0pJo-1658199130274)(attachment:image.png)]

a.swapaxes(1, 2)#相当于线性代数中的转置

array([[[ 0,  4,  8],
        [ 1,  5,  9],
        [ 2,  6, 10],
        [ 3,  7, 11]],

       [[12, 16, 20],
        [13, 17, 21],
        [14, 18, 22],
        [15, 19, 23]]])

ndarray. flatten() #平坦化（将多维数组转换为一维数组） 原数组不变

a.flatten()#由于a为C形式存储，因此flatten后输出结果所示

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17, 18, 19, 20, 21, 22, 23])