numpy——数组的操作

更改形状

1. numpy.ndarray.shape

表示数组的维度，返回一个元组，这个元组的长度就是矩阵的秩。

x = np.array([1, 2, 9, 4, 5, 6, 7, 8])
print(x.shape)
x.shape = [2, 2, 2]
print(x)

(8,)
[[[1 2]
  [9 4]]

 [[5 6]
  [7 8]]]

2.numpy.ndarray.flat

将数组转换为一维的迭代器，可以用for访问数组每一个元素

x = np.array([[11, 12, 13, 14, 15],
[16, 17, 18, 19, 20],
[21, 22, 23, 24, 25],
[26, 27, 28, 29, 30],
[31, 32, 33, 34, 35]])
y = x.flat
for i in y:
    print(i,end=' ')

11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 

3.numpy.ndarray.flatten([order=‘C’])

将数组的副本转换为一维数组，并返回。order：‘C’ – 按行，‘F’ – 按列，‘A’ – 原顺序，‘k’ – 元素在内存中的出现顺序。
flatten返回的是拷贝

x = np.array([[11, 12, 13, 14, 15],
[16, 17, 18, 19, 20],
[21, 22, 23, 24, 25],
[26, 27, 28, 29, 30],
[31, 32, 33, 34, 35]])
y = x.flatten()
print(y)

[11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35]

4.numpy.ravel(a, order=‘C’)

结果同上，返回的是视图

5.numpy.reshape(a, newshape[, order=‘C’])

在不更改数据的情况下为数组赋予新的形状。

x = np.arange(12)
y = np.reshape(x, [3, 4])
print(y)

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]

当参数 newshape = [rows,-1] 时，将根据行数自动确定列数；[-1,rows]即根据列数确定行数。当参数 newshape = -1 时，表示将数组降为一维。

数组转置

x = np.random.rand(5, 5) * 10
x = np.around(