数组形状处理的手段主要有reshape,resize,ravel,flatten,vstack,hstack,row_stack,column_stack,下面通过简单
的案例来解释这些方法或函数的区别。
import numpy as np
arr2=np.array([[1,5,7],[3,6,1],[2,4,8],[5,8,9]])
#使用reshape方法更改数组的形状
print(arr2.reshape(4,3))
#打印arr2的形状
print(arr2.shape)
#使用resize的方法改变数组的形状
print(arr2.resize(4,3))
#打印arr2的形状
print(arr2.shape)
[[1 5 7]
[3 6 1]
[2 4 8]
[5 8 9]]
(4, 3)
None
(4, 3)
结论:
1.reshape方法只是返回改变形状的预览,但未真正改变数组的形状;
2.resize方法则不会返回预览,而会直接改变数组的形状
将多维数组降为一维数组
利用ravel,flatten和reshape三种方法均可解决;
import numpy as np
arr2=np.array([[1,5,7],[3,6,1],[2,4,8],[5,8,9]])
print(arr2)
#默认排序降维
print(arr2.ravel())
print(arr2.flatten())
print(arr2.reshape(-1))
# 改变排序模式的降维
print(arr2.ravel(order ='F'))
print(arr2.flatten(order ='F'))
print(arr2.reshape(-1,order ='F'))
[[1 5 7]
[3 6 1]
[2 4 8]
[5 8 9]]
[1 5 7 3 6 1 2 4 8 5 8 9]
[1 5 7 3 6 1 2 4 8 5 8 9]
[1 5 7 3 6 1 2 4 8 5 8 9]
[1 3 2 5 5 6 4 8 7 1 8 9]
[1 3 2 5 5 6 4 8 7 1 8 9]
[1 3 2 5 5 6 4 8 7 1 8 9]
对降维后的数组进行元素修改,看是否会影响到原数组arr4的变化;
import numpy as np
arr2=np.array([[1,5,7],[3,6,1],[2,4,8],[5,8,9]])
arr2.flatten()[0]=1000
print(arr2)
arr2.ravel()[1]=2000
print(arr2)
arr2.reshape(-1)[2]=1000
print(arr2)
[[1 5 7]
[3 6 1]
[2 4 8]
[5 8 9]]
[[ 1 2000 7]
[ 3 6 1]
[ 2 4 8]
[ 5 8 9]]
[[ 1 2000 1000]
[ 3 6 1]
[ 2 4 8]
[ 5 8 9]]
结论:
1、通过flatten方法实现的降维返回的是复制,因为对降维后的元素做修改,并没有影响到原数组arr4的结果;
2、ravel方法与reshape方法返回的则是视图,通过视图的修改会影响到原数组;
竖直方向或水平方向数组的堆叠
vstack用于垂直方向(纵向)的数组堆叠,其功能与row_stack函数一致;hstack则用于水平方向(横向)的数组合并,其功能与column_stack函数一致;
import numpy as np
arr2=np.array([[1,5,7],[3,6,1],[2,4,8],[5,8,9]])
arr3=np.array([1,2,3])
print(np.vstack(arr2,arr3))
print(np.row_stack(arr2,arr3))
print(np.hstack(arr2,arr3))
print(np.column_stack(arr2,arr3))