解释自己做的网站,成都娱乐场所最新消息,网站开发 工作量,wordpress弹幕功能reshape(shape) #xff1a; 不改变数组元素#xff0c;返回一个shape形状的数组#xff0c;原数组不变。是对每行元素进行处理resize(shape) #xff1a; 与.reshape()功能一致#xff0c;但修改原数组In [1]: a np.arange(20)#原数组不变In [2]: a.reshape([4,5])Out[2…reshape(shape) 不改变数组元素返回一个shape形状的数组原数组不变。是对每行元素进行处理resize(shape) 与.reshape()功能一致但修改原数组In [1]: a np.arange(20)#原数组不变In [2]: a.reshape([4,5])Out[2]:array([[ 0, 1, 2, 3, 4],[ 5, 6, 7, 8, 9],[10, 11, 12, 13, 14],[15, 16, 17, 18, 19]])In [3]: aOut[3]:array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,17, 18, 19])#修改原数组In [4]: a.resize([4,5])In [5]: aOut[5]:array([[ 0, 1, 2, 3, 4],[ 5, 6, 7, 8, 9],[10, 11, 12, 13, 14],[15, 16, 17, 18, 19]]).swapaxes(ax1,ax2) 将数组n个维度中两个维度进行调换不改变原数组In [6]: a.swapaxes(1,0)Out[6]:array([[ 0, 5, 10, 15],[ 1, 6, 11, 16],[ 2, 7, 12, 17],[ 3, 8, 13, 18],[ 4, 9, 14, 19]]).flatten() 对数组进行降维返回折叠后的一维数组原数组不变In [7]: a.flatten()Out[7]:array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,17, 18, 19])将多个二维数组合并为一个三维数组方法一对于两个(或者多个)同一维度的矩阵直接利用np.array()重新构造一个array,这样可以变相起到扩展维数的作用。例如import numpy as npa np.array([[1,2,3],[4,5,6]])b np.array([[2,2,3],[4,5,6]])c np.array([[3,2,3],[4,5,6]])print(矩阵a\n,a)print(维数,a.shape)com np.array([a,b,c])print(合并矩阵\n,com)print(维数,com.shape)输出结果为矩阵a[[1 2 3][4 5 6]]维数 (2, 3)合并矩阵[[[1 2 3][4 5 6]][[2 2 3][4 5 6]][[3 2 3][4 5 6]]]维数 (3, 2, 3)方法二但是如果两个array使用方法一时会出现如下结果import numpy as npaa np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])a np.array([[4,2,3],[4,5,6]])com np.array([aa,a])print(合并矩阵\n,com)print(维数,com.shape)输出结果合并矩阵[array([[[1, 2, 3],[4, 5, 6]],[[2, 2, 3],[4, 5, 6]],[[3, 2, 3],[4, 5, 6]]])array([[4, 2, 3],[4, 5, 6]])]维数 (2,)可以看到输出的维数不对以上方法就不适用了。那么我们就需要利用np.append和array.reshape()函数对数组进行拼接之后重组具体实现如下import numpy as npaa np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])a np.array([[4,2,3],[4,5,6]])data np.append(aa,a)#先拼接成一个行向量print(data)dim aa.shape#获取原矩阵的维数print(原矩阵维数,dim)data1 data.reshape(dim[0]1,dim[1],dim[2])#再通过原矩阵的维数重新组合print(合并矩阵\n,data1)print(维数,data1.shape)现在来看一下用reshape将二维数据升为三维后的数据分布情况import numpy as npb np.arange(36).reshape((6,6))b1 b.reshape(2,3,6)b的元素b1的元素可以看到原来6*6的矩阵被分为了2个3*6的矩阵。每一行的数据分布并没有改变只是将前3行划为一个维度然后将后三行划为另一个维度。b1.reshape(6,6)如果用这条命令则数据又被还原了回去与b的一样。b1.reshape(3,12)如果用的是reshape(3,12)则相当于将数据首先拉伸为1维的然后再将一维数据重组为3*12方法三相比于前两种方法这种方法可谓“曲线救国”之典范具体思路是先转化成list拼接后再转化回去。这是因为list中的append()函数可以在添加函数的时候不改变原来list的维度。虽然没有对这种方法进行一个速度测试但直觉来看时间复杂度挺高的建议慎用。aa np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])a np.array([[4,2,3],[4,5,6]])#将array转换成listaa aa.tolist(aa)a a.list(a)aa.append(a)#注意与方法二中np.append()用法的区别com np.array(aa)print(com.shape)输出结果合并矩阵[[[1 2 3][4 5 6]][[2 2 3][4 5 6]][[3 2 3][4 5 6]][[4 2 3][4, 5, 6]]]维数 (4,2,3)这里注意两种类型的相互转换函数array转lista a.tolist()list转arraya np.array(a)以上这篇Python reshape的用法及多个二维数组合并为三维数组的实例就是小编分享给大家的全部内容了希望能给大家一个参考也希望大家多多支持我们。时间 2020-02-06
