Numpy中数组的形状处理

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))