numpy

numpy.ndarray, numpy.array, numpy.asarray的区别[1][2]

ndarray 是一个多维的数组对象，具有矢量算术运算能力和复杂的广播能力，并具有执行速度快和节省空间的特点。

ndarray 的一个特点是同构：即其中所有元素的类型必须相同。

array和asarray都可以将结构数据转化为ndarray，但是主要区别就是当数据源是ndarray时，array仍然会copy出一个副本，占用新的内存，但asarray不会。

1. numpy中的squeeze()函数[3][4]
   squeeze()函数的功能是：从矩阵shape中，去掉维度为1的。例如一个矩阵是的shape是（5， 1），使用过这个函数后，结果为（5，）。

2. numpy中的newaxis 的作用[5]

3. np.expand_dims()函数的作用[6]
   
   在axis的那一个轴上把数据加上去
   例如原本为一维的2个数据，axis=0，则shape变为(1,2),axis=1则shape变为(2,1) 
   再例如 原本为 (2,3),axis=0，则shape变为(1,2,3),axis=1则shape变为(2,1,3)

   >>> x = np.array([1,2])
   >>> x.shape
   (2,)

    

   >>> y = np.expand_dims(x, axis=0)
   >>> y
   array([[1, 2]])
   >>> y.shape
   (1, 2)

   >>> y = np.expand_dims(x, axis=1)  # Equivalent to x[:,newaxis]
   >>> y
   array([[1],
          [2]])
   >>> y.shape
   (2, 1)

    

参考：

1. NumPy基础: ndarray简单介绍
2. numpy中array和asarray的区别
3. numpy中的squeeze()函数
4. Numpy库学习—squeeze()函数
5. np.newaxis 为 numpy.ndarray（多维数组）增加一个轴
6. python numpy.expand_dims的用法