【Python】numpy方法合辑-数组重塑

（一）reshape

numpy.reshape(a, newshape, order='C')
#在不更改数据的情况下为数组提供新形状
#注意：根据order决定返回视图 or 副本，order 与原数组一致，则返回视图，否则返回副本

# 参数
"""
newshape：新形状的定义，int或int的元组 
如果是整数，则结果将是该长度的一维数组。一个形状维度可以是-1。在这种情况下，将根据数组的长度和剩余维度推断该值。
order ：读取元素的顺序 , ‘C’ 按照行方向读取，‘F’按照列方向读取
"""

# demo
x = np.array([[3.0, 5.0, np.nan], [7.0, 5.0, 6.0], [1.0, -9.0, 11.0]])
x_C = np.reshape(x, (9, -1), order='C')
x_C[0] = 10
print(x_C.base is x) # True
print(x)

x_F = np.reshape(x, (9, -1), order='F')
x_F[0] = -10
print(x_F.base is x) # False
print(x)

（二）resize

ndarray.resize(new_shape, refcheck=True)
#更改原数组自身的形状和大小
#注意：过程分为两步
#1，按照order，将数组被展平成一维。
#2，按照new_shape调整大小和形状，缺失值用 0 补齐。

# 参数
# new_shape：tuple of ints, or n ints 调整大小的数组的形状

# demo
x = np.array([[3.0, 5.0, np.nan], [7.0, 5.0, 6.0], [1.0, -9.0, 11.0]])
x.resize((4, 4))
print(x)
"""
[[ 3.  5. nan  7.]
 [ 5.  6.  1. -9.]
 [11.  0.  0.  0.]
 [ 0.  0.  0.  0.]]   # 0 补齐缺失数据
"""

（三）transpose

ndarray.transpose(*axes)
#交换数组轴的位置，并返回原数组视图
#参数
# axes:如果给定axes，则其顺序指示轴的排列方式，否则，反转轴的顺序,相当于ndarray.T。

# demo
x = np.arange(16).reshape((2, 2, 4))
print(x[0, 1, 3])  # 7 第一个维度为0，第二个维度为1，第三个维度3
x_t = x.transpose()  # 反转轴的顺序 2->0,1->1,0->2  维度交换,相当于ndarray.T
print(x_t[3, 1, 0]) # 7  第一个维度为3，第二个维度为1，第三个维度0

x_t = x.transpose((1, 2, 0))  # 轴交换 ：1->0,2->1,0->2 
print(x_t[1, 3, 0]) # 7  第一个维度为1，第二个维度为3，第三个维度0

（四）swapaxes

numpy.swapaxes(a, axis1, axis2)
#交换axis1和axis2两个轴，该方法与transpose类似，返回原数组的视图

# demo
x = np.arange(16).reshape((2, 2, 4))
x_t = np.swapaxes(x, 1, 2)  # 交换1轴和2轴  同 x.transpose(0,2,1)
print(x[0, 1, 3])  # 7
print(x_t[0, 3, 1])  # 7
x_t[0, 3, 1] = 10   # 因为是视图，会修改原来的数据
print(x[0, 1, 3])  # 10 

（五）flatten

ndarray.flatten(order='C')
# 返回展平成一维的原数组副本,无论order是否相同，都是返回副本
# 参数
# order:展开的顺序，默认C顺序，按行展开

# demo
x = np.array([[ 1,  1, -1],
       [ 0, -3,  6]])
# flatten
x_F = x.flatten('F')
print(x_F.base is x)  # False  返回副本
x_C = x.flatten('C')
print(x_C.base is x)  # False 返回副本

（六）ravel

numpy.ravel(a, order='C')
#返回一个连续的扁平数组。
#注意：与flatten类似，都是扁平数组，但是flatten中无论order是否相同，都是返回副本。而ravel根据order决定返回视图 or 副本，order与原数组一致，则返回视图，否则返回副本

#demo
x = np.array([[1, 1, -1],
              [0, -3, 6]])
x_C = np.ravel(x, order='C')
print(x_C.base is x)  # True   order与原数组一致，则返回视图
x_F = np.ravel(x, order='F')
print(x_F.base is x)  # False order与原数组不一致，则返回副本

（七）squeeze

numpy.squeeze(a, axis=None)
#从数组的形状中删除单维条目，即把shape中为1的维度去掉，返回原数组视图
#如果axis=None，默认删除shape中为1的维度，若删除shape中不为1的维度，则报错

# demo
x = np.array([[[0], [1], [2]]])
print(x)
"""
x=

[[[0]
  [1]
  [2]]]
"""
print(x.shape)  # (1, 3, 1)
x1 = np.squeeze(x)  # 从数组的形状中删除单维条目，即把shape中为1的维度去掉
print(x1)  # [0 1 2]
print(x1.shape)  # (3,)
print(x1.base is x) # True   #返回原数组视图

x = np.array([[[0], [1], [2]]])
x1 = np.squeeze(x,axis=1)
# ValueError: cannot select an axis to squeeze out which has size not equal to one