numpy.squeeze

转载： https://blog.csdn.net/zenghaitao0128/article/details/78512715

语法：numpy.squeeze(a,axis = None)

 1）a表示输入的数组；
 2）axis用于指定需要删除的维度，但是指定的维度必须为单维度，否则将会报错；
 3）axis的取值可为None 或 int 或 tuple of ints, 可选。若axis为空，则删除所有单维度的条目；
 4）返回值：数组
 5) 不会修改原数组；

作用：从数组的形状中删除单维度条目，即把shape中为1的维度去掉

引用：https://docs.scipy.org/doc/numpy/reference/generated/numpy.squeeze.html

场景：在机器学习和深度学习中，通常算法的结果是可以表示向量的数组（即包含两对或以上的方括号形式[[]]），如果直接利用这个数组进行画图可能显示界面为空（见后面的示例）。我们可以利用squeeze（）函数将表示向量的数组转换为秩为1的数组，这样利用matplotlib库函数画图时，就可以正常的显示结果了。

例1

#例1
import numpy as np

a = np.arange(10).reshape(1,10)
a

array([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])
(1, 10)
b = np.squeeze(a)
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
b.shape
(10,)
例2
 
#例2
c  = np.arange
array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])
array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])
例3
 
#例3
d  = np.arange(10).reshape(1,2,5)
d
array([[[0, 1, 2, 3, 4],
        [5, 6, 7, 8, 9]]])
(1, 2, 5)
array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])
(2, 5)

              
              

              
              
1
 

结论：根据上述例1~3可知，np.squeeze（）函数可以删除数组形状中的单维度条目，即把shape中为1的维度去掉，但是对非单维的维度不起作用。

例4

#例4
e  = np.arange(10).reshape(1,10,1)
array([[[0],
        [1],
        [2],
        [3],
        [4],
        [5],
        [6],
        [7],
        [8],
        [9]]])
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
(10,)

    
    

    
    
1
 
例5
  
array([[0],
       [1],
       [2],
       [3],
       [4],
       [5],
       [6],
       [7],
       [8],
       [9]])
       (10, 1)
例6
 
#例6
np.squeeze
array([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])(1, 10)
#例7，指定的维度不是单维，因此会报错
np.squeeze
ValueError                                Traceback (most recent call last)