Numpy库学习—squeeze()函数

numpy.squeeze()函数

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；

引用：https://blog.csdn.net/zenghaitao0128/article/details/78512715
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。
例子：

import numpy as np

a  = np.arange(10)
print("a = np.arange(10):"+str(a))
a = a.reshape(1,10)
print("a = a.reshape(1,10):"+str(a))
a = a.reshape(1,1,10)
print("a = a.reshape(1,1,10):"+str(a))
a = np.squeeze(a)
print("a = np.squeeze(a):"+str(a))

运行结果为：

a = np.arange(10):[0 1 2 3 4 5 6 7 8 9]
a = a.reshape(1,10):[[0 1 2 3 4 5 6 7 8 9]]
a = a.reshape(1,1,10):[[[0 1 2 3 4 5 6 7 8 9]]]
a = np.squeeze(a):[0 1 2 3 4 5 6 7 8 9]

结论：根据上述例子可知，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。
例子：matplotlib画图示例

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

#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, 5)

plt.plot(squares)
plt.show()

#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()

np.squeeze(squares).shape

(5,)