Python中numpy数组操作 包括改变、增删数据维度的一些函数方法总结

Numpy数组操作

修改数组形状

reshape(arr, newshape, order=‘C’)

描述：不改变数据的条件下修改形状

• arr：要修改形状的数组
• newshape：整数或者整数数组，新的形状应当兼容原有形状
• order：‘C’ – 按行，‘F’ – 按列，‘A’ – 原顺序，‘k’ – 元素在内存中的出现顺序。

import numpy as np
a = np.array([[1,2,3,4,5,6],
             [1,2,3,4,5,6]])
print('shape a:',a.shape)
a = a.reshape(3,4)
print(a, '\nshape after:{}'.format(a.shape))

flat

描述：数组元素迭代器

import numpy as np
 
a = np.array([[1,2,3,4,5,6],
             [1,2,3,4,5,6]])
print ('原始数组：')
for row in a:
    print (row)
 
#对数组中每个元素都进行处理，可以使用flat属性，该属性是一个数组元素迭代器：
print ('迭代后的数组：')
for element in a.flat:
    print (element)

flatten(order=‘C’)

描述：返回一份数组拷贝，对拷贝所做的修改不会影响原始数组

• order：‘C’ – 按行，‘F’ – 按列，‘A’ – 原顺序，‘K’ – 元素在内存中的出现顺序。

import numpy as np
 
a = np.array([[1,2,3<