data=[[8.5,6,4.1,2,0.7],[1.5,3,5.4,7,3.9],[3.2,4.5,6,3,9]]
arr=np.array(data)
arr.reshape(5,3)
# array(
[[8.5, 6. , 4.1],
[2. , 0.7, 1.5],
[3. , 5.4, 7. ],
[3.9, 3.2, 4.5],
[6. , 3. , 9. ]])
arr # 不会改变
arr.resize(5,3)
#array(
[[8.5, 6. , 4.1],
[2. , 0.7, 1.5],
[3. , 5.4, 7. ],
[3.9, 3.2, 4.5],
[6. , 3. , 9. ]])
arr # 发生改变
arr.shape=(5,3)
arr.ravel(order='C')
# array([8.5, 6. , 4.1, 2. , 0.7, 1.5, 3. , 5.4, 7. , 3.9, 3.2, 4.5, 6. ,3. , 9. ])
arr.ravel(order='F')
# array([8.5, 2. , 3. , 3.9, 6. , 6. , 0.7, 5.4, 3.2, 3. , 4.1, 1.5, 7. ,4.5, 9. ])
arr.flatten()
# array([8.5, 6. , 4.1, 2. , 0.7, 1.5, 3. , 5.4, 7. , 3.9, 3.2, 4.5, 6. ,3. , 9. ])
arr.reshape(-1,3)
# array(
[[8.5, 6. , 4.1],
[2. , 0.7, 1.5],
[3. , 5.4, 7. ],
[3.9, 3.2, 4.5],
[6. , 3. , 9. ]])
arr.reshape(-1)
# array([8.5, 6. , 4.1, 2. , 0.7, 1.5, 3. , 5.4, 7. , 3.9, 3.2, 4.5, 6. ,3. , 9. ])
ravel()和rshape()返回的源数组的视图,改变数据会影响源数组
flatten()不会影响到源数组
arr_t=arr.flatten()
arr_t[np.newaxis,:].shape
# (1,15)
np.hstack([arr1,arr2]) # 水平合并,行数须相同
np.vstack([arr1,arr2]) # 垂直合并,列数须相同
np.concatenate([arr1,arr2],axis=1) # 列方向上拼接
np.concatenate([arr1,arr2],axis=0) # 行方向上拼接
np.tile(arr1,(4,4)) # 在行和列方向分别复制4份