Numpy的形状变化功能（Flatten、Ravel、Transpose、swapaxes）

---

前言

一、 Numpy的Flatten和Ravel

二、 Numpy的Transpose和swapaxes

一、 Numpy的Flatten和Ravel

1.flatten是numpy.ndarray.flatten的一个函数，返回一个折叠成一维的数组。该函数只能适用 于numpy对象，即array或者matrix。

2.ravel和flatten一样，两者的功能是一致的，将多维数组降为一维。

3.区别:两者的区别是返回拷贝还是返回视图，np.flatten()返回一份拷贝，对拷贝所做修改不 会影响原始矩阵，而np.ravel()返回的是视图，修改时会影响原始矩阵

Numpy的Flatten和Ravel 实操案例

1.相同点

import  numpy as np
a = np.array([[1,2,3,4],[4,5,6,7]])
print(a)
print(a.ndim)      # 查看维度

b = a.flatten()    # 2维降1维变化
print(b)
print(b.ndim)      # 查看维度

c = a.ravel()      # 2维降1维变化
print(c)           
print(c.ndim)      # 查看维度

2.区别，np.flatten()不修改原始矩阵，np.ravel()修改原始矩阵。

import  numpy as np
a = np.array([[1,2,3,4],[4,5,6,7]])
print(a)
print(a.ndim)      # 查看维度

print("-"*20)
b = a.flatten()    # 2维降1维
print(b)
b[0] =99           # 对b进行数据
print(b)
print(a)           # np.flatten()返回一份拷贝，对拷贝所做修改不会影响原始矩阵
print("-"*20)

c = a.ravel()      # 2维降1维
print(c)
c[0] =99
print(c)
print(a)           # np.ravel()返回的是视图，修改时会影响原始矩阵

二、 Numpy的Transpose和swapaxes

1.transpose 按照多维数组的轴的索引进行变换，简单而言就是把行和列进行对换。

2.swapaxes轴变换功能，是上述transpose的另一种等价形式。

3.swapaxes 只接受两个参数，即表示需要转换的两个轴的索引，所以在三维以上的情况下， transpose方法更灵活一些。

Numpy的Transpose和swapaxes的实操案例

import  numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9]])

print(a)
print("*"*20)
print(a.transpose())   # 行列转换
print("*"*20)
print(a.T)             # 行列转换简单写法

a = np.array([[1,2],[3,4],[5,6]])

print(a)
print(a.shape)
print("*"*20)
print(np.swapaxes(a,0,1))   # 行列转换
print("*"*20)
print(a.transpose())        # 行列转换