http://www.cnblogs.com/yuzhuwei/p/4217013.html
冒号:[0:]表示全部,[0:-1]这个会少一个
a = np.array([1, 2, 3, 4]);b = np.array((5, 6, 7, 8));c = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]])
>>> c.dtype
dtype('int32')
>>> d = a.reshape((2,2))
>>> d = a.reshape((1,2))
Traceback (most recent call last):
File "", line 1, in
d = a.reshape((1,2))
ValueError: total size of new array must be unchanged
变成1行多列
>>> d = a.reshape((1,-1))
变成多行1列:
>>> d = a.reshape((-1,1))
变成向量:
方法:1变成一个数组
d = a.reshape((-1,))
方法2:
先变1行多列,再取数组:
img=img.reshape(1, -1)
features.append(img[0].tolist()) 方法3:
先变多行1列,再取数组:
img=img.reshape(-1, 1)
print(
img
[:,0])
方法4:# 平坦化数组
aa=([1,2],[3,4])
aa=np.array(aa)
print('traindata',aa.ravel())
方法5:
flatten
aa.flatten()
ravel与flatten的区别:
首先声明两者所要实现的功能是一致的(将多维数组降为一维),两者的区别在于返回拷贝(copy)还是返回视图(view),numpy.flatten()返回一份拷贝,对拷贝所做的修改不会影响(reflects)原始矩阵,而numpy.ravel()返回的是视图(view,也颇有几分C/C++引用reference的意味),会影响(reflects)原始矩阵。