numpy数组按某一维度相加_Python Numpy 数组操作 （二）

修改数组维度

numpy.broadcast

numpy.broadcast 用于模仿广播的对象，它返回一个对象，该对象封装了将一个数组广播到另一个数组的结果。

该函数使用两个数组作为输入参数

import numpy as npx = np.array([[1], [2], [3]])y = np.array([4, 5, 6]) # 对 y 广播 xb = np.broadcast(x,y) # 它拥有 iterator 属性，基于自身组件的迭代器元组print ('对 y 广播 x：')r,c = b.iters# Python3.x 为 next(context) ，Python2.x 为 context.next()print (next(r), next(c))print (next(r), next(c))print ('')# shape 属性返回广播对象的形状print ('广播对象的形状：')print (b.shape)print ('')# 手动使用 broadcast 将 x 与 y 相加b = np.broadcast(x,y)c = np.empty(b.shape)print ('手动使用 broadcast 将 x 与 y 相加：')print (c.shape)print ('')c.flat = [u + v for (u,v) in b]print ('调用 flat 函数：')print (c)print ('')# 获得了和 NumPy 内建的广播支持相同的结果print ('x 与 y 的和：')print (x + y)

输出结果为：

对 y 广播 x：1 41 5广播对象的形状：(3, 3)手动使用 broadcast 将 x 与 y 相加：(3, 3)调用 flat 函数：[[5. 6. 7.] [6. 7. 8.] [7. 8. 9.]]x 与 y 的和：[[5 6 7] [6 7 8] [7 8 9]]

numpy.broadcast_to

numpy.broadcast_to 函数将数组广播到新形状。它在原始数组上返回只读视图。 它通常不连续。 如果新形状不符合 NumPy 的广播规则，该函数可能会抛出ValueError。

numpy.broadcast_to(array, shape, subok)

import numpy as npa = np.arange(4).reshape(1,4)print ('原数组：')print (a)print ('')print ('调用 broadcast_to 函数之后：')print (np.broadcast_to(a,(4,4)))

输出结果为：

原数组：[[0 1 2 3]]调用 broadcast_to 函数之后：[[0 1 2 3] [0 1 2 3] [0 1 2 3] [0 1 2 3]]

numpy.expand_dims

numpy.expand_dims 函数通过在指定位置插入新的轴来扩展数组形状，函数格式如下:

 numpy.expand_dims(arr, axis)

参数说明：

• arr：输入数组
• axis：新轴插入的位置

import numpy as np x = np.array(([1,2],[3,4])) print ('数组 x：')print (x)print ('')y = np.expand_dims(x, axis = 0) print ('数组 y：')print (y)print ('') print ('数组 x 和 y 的形状：')print (x.shape, y.shape)print ('')# 在位置 1 插入轴y = np.expand_dims(x, axis = 1)print ('在位置 1 插入轴之后的数组 y：')print (y)print ('')print ('x.ndim 和 y.ndim：')print (x.ndim,y.ndim)print ('')print ('x.shape 和 y.shape：')print (x.shape, y.shape)

输出结果为：

数组 x：[[1 2] [3 4]]数组 y：[[[1 2] [3 4]]]数组 x 和 y 的形状：(2, 2) (1, 2, 2)在位置 1 插入轴之后的数组 y：[[[1 2]] [[3 4]]]x.ndim 和 y.ndim：2 3x.shape 和 y.shape：(2, 2) (2, 1,