NumPy数组（5）-- 改变数组维度的几种方法

一、修改数组维度的几种方法

    reshape、resize、ravel、flatten、transpose、元组，下面一一介绍。

 

 

二、修改数组维度方法的实例

#NumPy数组：改变数组维度的几种方法
from numpy import *


#arange生成一维数组，reshape改变数组的维度
b = arange(24).reshape(2,3,4)
print(b)
print("-----------------------1111--------------------------")


#方法1：使用ravel改变数组维度。ravel返回数组的一个视图，修改视图的值，即会影响到原来的数组
b1 = b.ravel()
print(b1)
print("-----------------------2222--------------------------")


#方法2：使用flatten改变数组维度。flatten会请求新的内存来保存结果，修改返回结果并不会影响原来的数组
b2 = b.flatten()
print(b2)
print("-----------------------3333--------------------------")
b1[0] = 100  #b会改变，因为b1是通过ravel改变之后的数组
print(b)
print("-----------------------4444--------------------------")
b2[1] = 200  #b不会改变，因为b2是通过flatten改变之后的数组
print(b)
print("-----------------------5555--------------------------")


#方法3：使用元组改变数组维度
b.shape = (6,4) #生成6行4列的数组
print(b)
print("-----------------------6666--------------------------")


#方法4：transpose,将数组维度的行列进行翻转，数组本身并不翻转，但是修改翻转之后的数组值，会影响被翻转的数组
b3 = b.transpose() #b还是6行4列的数组，b3变为4行6列的数组
print(b3)
print("-----------------------7777--------------------------")
print(b)
print("-----------------------8888--------------------------")
b3[0][0] = 10000   #会影响b
print(b)
print("-----------------------9999--------------------------")


#方法5：resize方法和reshape一样，但是resize会直接修改所操作的数组
#resize：会修改原来的数组；reshape：会生成新的内存空间保存生成的数组，即不会修改原来的数组
b.resize((2,12))
print(b)

print(b)

 

输出结果：

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

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
-----------------------1111--------------------------
[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
-----------------------2222--------------------------
[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
-----------------------3333--------------------------
[[[100   1   2   3]
  [  4   5   6   7]
  [  8   9  10  11]]

 [[ 12  13  14  15]
  [ 16  17  18  19]
  [ 20  21  22  23]]]
-----------------------4444--------------------------
[[[100   1   2   3]
  [  4   5   6   7]
  [  8   9  10  11]]

 [[ 12  13  14  15]
  [ 16  17  18  19]
  [ 20  21  22  23]]]
-----------------------5555--------------------------
[[100   1   2   3]
 [  4   5   6   7]
 [  8   9  10  11]
 [ 12  13  14  15]
 [ 16  17  18  19]
 [ 20  21  22  23]]
-----------------------6666--------------------------
[[100   4   8  12  16  20]
 [  1   5   9  13  17  21]
 [  2   6  10  14  18  22]
 [  3   7  11  15  19  23]]
-----------------------7777--------------------------
[[100   1   2   3]
 [  4   5   6   7]
 [  8   9  10  11]
 [ 12  13  14  15]
 [ 16  17  18  19]
 [ 20  21  22  23]]
-----------------------8888--------------------------
[[10000     1     2     3]
 [    4     5     6     7]
 [    8     9    10    11]
 [   12    13    14    15]
 [   16    17    18    19]
 [   20    21    22    23]]
-----------------------9999--------------------------
[[10000     1     2     3     4     5     6     7     8     9    10    11]
 [   12    13    14    15    16    17    18    19    20    21    22    23]]