Numpy 模块 ndarray 形状操纵-上

目录

1.  改变 ndarray 数组形状

1.1 reshape()

1.2 扁平化函数 ravel() 和 flatten()

1.3 resize() 

1.4 转置函数 transpose（）

2. 将不同数组堆叠在一起

2.1 stack()

2.2 vstack() 和  hstack()

---

前面两小节地址：

        第一小节：Numpy 模块简介_一分耕耘一分收获-CSDN博客

        第二小节：Numpy 模块-常用函数_一分耕耘一分收获-CSDN博客_numpy 函数

        前面两小节讲了ndarray 一维数组、二维数组的一些常用操作，对ndarray有了一些感性的认识。那如果是多维数组呢，我们需要更广阔的视角来看看 ndarray，也就是 Numpy 模块的主要对象，同构多维数组。

        ndarray 可以看成一个元素表(通常是数字)，所有的类型都相同（在创建或者定义时候就已经确定，不能修改），由非负整数元组索引。在Numpy 维度称之为轴。

1.  改变 ndarray 数组形状

1.1 reshape()

        一维数组有一个轴，长度即它的元素个数。

        二维数组有两个轴，第一个轴的长度是行的个数，第二个轴的长度是行的元素个数。

        而秩，即轴的数量或者维度的数量

        回忆一下之前说过的函数，看看二维数组的秩、轴、或者说维度

import numpy as np
x = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]],np.int32)
print(x)
print(x.ndim) #秩，即轴的数量或维度的数量
print(x.shape) #数组的维度，对于矩阵，n 行 m 列
print(x.size) #数组元素的总个数，相当于 .shape 中 n*m 的值

运行结果是

[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [10 11 12]]
2
(4, 3)
12

可以看出，这个ndarray的形状就是（4，3），即有 4 行数据，每行 3 个数据。 

那如果想改变这个ndarray的形状呢，最常用的就是 reshape 函数

y=x.reshape(3,2,2) # reshape不会改变原来ndarray数据的形状，只会返回一个新的
print(y)
print(y.ndim) #秩，即轴的数量或维度的数量
print(y.shape) #数组的维度，对于矩阵，n 行 m 列
print(y.size) #数组元素的总个数，相当于 .shape 中 n*m 的值

运行结果是

[[[ 1  2]
  [ 3  4]]

 [[ 5  6]
  [ 7  8]]

 [[ 9 10]
  [11 12]]]
3
(3, 2, 2)
12

可以看到这个新 ndarray的形状就是（3，2，2），即有 3 行，每行有 2 个子数组，每个子数组有2个元素。 

如果在 reshape 操作中将 size 指定为-1，则会自动计算其他的 size 大小：

print("*"*40)
print(x)
x.reshape(4,-1) #成功了返回 None
print(x)

运行结果是

****************************************
[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [10 11 12]]

[[ 1  2  3  4  5  6]
 [ 7  8  9 10 11 12]]

1.2 扁平化函数 ravel() 和 flatten()

想将多维数组转化为一维数组，一般有 ravel() 和 flatten()，两者都能实现这个效果

代码如下

print("*"*40)
print(x)


print("*"*40)
print(x.ravel())
print(x)

print("*"*40)
print(x.flatten())
print(x)

 运行结果如下

****************************************
[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [10 11 12]]
****************************************
[ 1  2  3  4  5  6  7  8  9 10 11 12]
[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [10 11 12]]
****************************************
[ 1  2  3  4  5  6  7  8  9 10 11 12]
[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [10 11 12]]

         但是ravel() 和 flatten()两者功能相同，在内存上有很大的不同，一般推荐使用 flatten()，为什么呢？

        因为flatten（）分配了新的内存，返回的是一个真实的数组，而ravel（）返回的是一个数组的视图，大家可以用mysql里面的视图去理解，但是又不完全一样，因为ravel() 返回的数组地址和原数组并不一样，有点类似于引用，修改视图的时候可能会影响原本的数组。也可以用深拷贝和浅拷贝来类比。

        所以，我非常不推荐使用 ravel（），除非你就是想利用这个特性。

1.3 resize() 

     reshape()  改变 ndarray 的形状后返回副本，原有数组不会变化，resize() 则会修改数组本身

代码如下

print("*"*40)
print(x)
print(x.resize(2,6)) #成功了返回 None
print(x)

运行结果如下

****************************************
[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [10 11 12]]
None
[[ 1  2  3  4  5  6]
 [ 7  8  9 10 11 12]]

1.4 转置函数 transpose（）

        简单来说，就相当于数学中的转置，在矩阵中，转置就是把行与列相互调换位置；

       但是它返回的是一个副本，原有的数组结构没有改变。

        代码段

print("*"*30)
print(x)
print("*"*30)
print(x.transpose())
print("*"*30)
print(x)

        运行结果

     

******************************
[[ 1  2  3  4  5  6]
 [ 7  8  9 10 11 12]]
******************************
[[ 1  7]
 [ 2  8]
 [ 3  9]
 [ 4 10]
 [ 5 11]
 [ 6 12]]
******************************
[[ 1  2  3  4  5  6]
 [ 7  8  9 10 11 12]]

2. 将不同数组堆叠在一起

• stack（）：沿着新的轴加入一系列数组。
• vstack（）：堆栈数组垂直顺序（行）
• hstack（）：堆栈数组水平顺序（列）。
• dstack（）：堆栈数组按顺序深入（沿第三维）。
• concatenate（）：连接沿现有轴的数组序列。

2.1 stack()

        按照指定的轴对数组序列进行联结。
        语法格式：numpy.stack(arrays, axis=0, out=None)
        参数：arrays :数组序列，数组的形状（shape）必须相同；

                  axis参数指定新轴在结果尺寸中的索引。例如，如果axis=0，它将是第一个维度，如果axis=-1，它将是最后一个维度。不太好理解，大家直接看代码运行结果吧，或者等有需要时候再仔细看。

print("*"*30)
print(x)
z=x
print("*"*30)
print(np.stack((x,z)))
print("*"*30)
print(np.stack((x,z),0))
print("*"*30)
print(np.stack((x,z),1))

        运行结果 

******************************
[[ 1  2  3  4  5  6]
 [ 7  8  9 10 11 12]]
******************************
[[[ 1  2  3  4  5  6]
  [ 7  8  9 10 11 12]]

 [[ 1  2  3  4  5  6]
  [ 7  8  9 10 11 12]]]
******************************
[[[ 1  2  3  4  5  6]
  [ 7  8  9 10 11 12]]

 [[ 1  2  3  4  5  6]
  [ 7  8  9 10 11 12]]]
******************************
[[[ 1  2  3  4  5  6]
  [ 1  2  3  4  5  6]]

 [[ 7  8  9 10 11 12]
  [ 7  8  9 10 11 12]]]

2.2 vstack() 和  hstack()

      vstack() 沿着第一个轴堆叠数组。
      语法格式：numpy.vstack(tup) 
      参数：tup：ndarrays数组序列，如果是一维数组进行堆叠，则数组长度必须相同；除此之外，其它数组堆叠时，除数组第一个轴的长度可以不同，其它轴长度必须一样。

        hstack(）沿着第二个轴堆叠数组

        语法格式：numpy.hstack(tup)
        参数：tup：ndarrays数组序列，除了一维数组的堆叠可以是不同长度外，其它数组堆叠时，除了第二个轴的长度可以不同外，其它轴的长度必须相同。原因在于一维数组进行堆叠是按照第一个轴进行堆叠的，其他数组堆叠都是按照第二个轴堆叠的。

        看代码更清楚点

print("*"*30)
print(x)
z=x
print("*"*30)
print(np.vstack((x,z)))
print("*"*30)
print(np.hstack((x,z)))

 运行结果如下

******************************
[[ 1  2  3  4  5  6]
 [ 7  8  9 10 11 12]]
******************************
[[ 1  2  3  4  5  6]
 [ 7  8  9 10 11 12]
 [ 1  2  3  4  5  6]
 [ 7  8  9 10 11 12]]
******************************
[[ 1  2  3  4  5  6  1  2  3  4  5  6]
 [ 7  8  9 10 11 12  7  8  9 10 11 12]]

今天写累了，先到这里吧