Python ndarray 数组的变形详情
作者:正在学习中的李斌 发布时间:2023-05-13 14:58:47
标签:Python,ndarray,数组,变形
一、维数的变形
1. 一维数组转二维数组以及同维变换
import numpy as np
arr_1d = np.arange(12)
# 使用 numpy 的
arr1 = np.reshape(arr_1d,(3,4))
# 使用 ndarray 的
arr2 = arr_1d.reshape((3, 4))
函数resize()
的作用跟reshape()
类似,但是会改变所作用的数组,相当于有inplace=True的效果
2. 二维数组转化维度也可以用这两个函数
import numpy as np
arr_2d = np.array([[1, 1, 1, 1], [2, 2, 2, 2], [3, 3, 3, 3]])
arr_2d.reshape((2,6))
# -1 表示不确定有多少列
arr_2d.reshape((4,-1))
3. 二维数组转一维数组
ravel()
和flatten()
两者的区别在于返回拷贝(copy)还是返回视图(view),flatten()返回一份拷贝,需要分配新的内存空间,对拷贝所做的修改不会影响原始矩阵,而ravel()返回的是视图(view),会影响原始矩阵。因此在使用ravel时候要格外小心,以免数据修改造成原始数据的改变。
import numpy as np
arr_2d = np.array([[1, 1, 1, 1], [2, 2, 2, 2], [3, 3, 3, 3]])
a = arr_2d.flatten()
a[0] = -999
a, arr_2d
b = arr_2d.ravel()
b
b[0] = -999
b, arr_2d
二、数组的拼接
1. 横向拼接
hstack()
——水平拼接,沿着行的方向,对列进行拼接。concatenate()
也可以完成相应的功能,axis=1
时,沿水平方向叠加。
import numpy as np
a = np.array([1,2,3,4]).reshape((2,2), order='F')
b = np.array([0,0,1,1]).reshape((2,2))
a, b
harr = np.hstack((a, b))
harr
harr = np.concatenate((a, b), axis=1)
harr
2. 纵向拼接
vstack()
——垂直拼接,沿着列的方向,对行进行拼接。concatenate()
也可以完成相应的功能,axis=0
时,沿垂直方向叠加
import numpy as np
a = np.array([1,1,0,0]).reshape((2,2))
b = np.array([0,1,0,1]).reshape((2,2))
a, b
varr = np.vstack((a, b))
varr
varr = np.concatenate((a, b), axis=0)
varr
三、数组的分割
1. 横向分割
hsplit()
——水平拆分,沿着行的方向,对列进行拼接。split()
也可以完成相应的功能,axis=1
时,沿水平方向拆分。
import numpy as np
a = np.array([1,1,0,0]).reshape((2,2))
b = np.array([0,1,0,1]).reshape((2,2))
harr = np.hstack((a, b))
np.hsplit(harr, 2)
np.split(harr, 2, axis=1)
2. 纵向分割
hvplit()
——垂直拆分,沿着列的方向,对行进行拼接。split()
也可以完成相应的功能,axis=0
时,沿垂直方向拆分。
import numpy as np
a = np.array([1,1,0,0]).reshape((2,2))
b = np.array([0,1,0,1]).reshape((2,2))
varr = np.vstack((a, b))
np.vsplit(varr, 2)
np.split(varr, 2, axis=0)
来源:https://blog.csdn.net/qq_35240689/article/details/126971597
0
投稿
猜你喜欢
- 引言昨天把系分的项目又加了一点逻辑判断,比如已经下单的菜品不能减少,不能重复下单,应该先下单再支付等…弄完购物车的逻辑之后,发现一直没有管备
- 应该来说,学会了如何插入记录,如何显示记录,那么现在简单的完整的文章系统、新闻系统和留言系统不成问题。那接着下面的问题就是:随着信息内容的不
- 前言之前在进行深度学习训练的时候,偶然发现使用PIL读取图片训练的效果要比使用python-opencv读取出来训练的效果稍好一些,也就是训
- 概率生成问题有一枚不均匀的硬币,要求产生均匀的概率分布有一枚均匀的硬币,要求产生不均匀的概率分布,如 0.25 和 0.75利用 Rand7
- python编程中常用的12种基础知识总结:正则表达式替换,遍历目录方法,列表按列排序、去重,字典排序,字典、列表、字符串互转,时间对象操作
- MYSQL数据库以它短小、方便、速度快、免费等优点成为很多网站目前首选数据库,但一般都是用PHP+MYSQL相结合来开发各种动态页面,其实A
- 如果不是因为总监审查严格,一定要求这个细节解决掉,也许我也不会去深究根源性的解决办法,再此感谢MTIME负责而严格的同事。首先描述一下问题:
- 在网页局部的布局上,需要采用大量的自适应,来满足不同长度数据、内容的合理呈现。以此保证页面不至于因为内容过多等原因,导致重叠、溢出、撑开等破
- 用于匹配的正则表达式为 :([1-9]\d*\.?\d*)|(0\.\d*[1-9])([1-9] :匹配1~9的数字;\d :匹配数字,包
- PyTorch中数据读取的一个重要接口是torch.utils.data.DataLoader,该接口定义在dataloader.py脚本中
- 0.引言利用python开发,借助Dlib库进行人脸识别,然后将检测到的人脸剪切下来,依次排序显示在新的图像上;实现的效果如下图所示,将图1
- 概述在PHP中有一种代码复用的技术, 因为单继承的问题, 有些公共方法无法在父类中写出, 而 Trait可以应对这种情况, 它可以定义一些复
- 闭包的概念我们尝试从概念上去理解一下闭包。在一些语言中,在函数中可以(嵌套)定义另一个函数时,如果内部函数引用了外部函数的变量,则可能产生闭
- vi /etc/freetds/freetds.conf [global]# TDS protocol versiontds version
- 对于网站设计者而言,时常处理大批量的文件是难免的,特别是图片和一些文本文本文件,更是经常处理。而由于网站大量文件的关系,对于同类
- 本文实例讲述了Python简单删除列表中相同元素的方法。分享给大家供大家参考,具体如下:去除列表中重复的元素,非常简单,直接上代码:a =
- Pandas使用这些函数处理缺失值:isnull和notnull:检测是否是空值,可用于df和seriesdropna:丢弃、删除缺失值ax
- 字符串中字符大小写的变换1. str.lower() //小写>>> 'SkatE'
- 在pycharm使用过程中,对于每次新建文件的编码格式和关于代码编写者的一些个人信息快捷填写,方法如下:1.打开pycharm,选择File
- 使用pycharm创建新项目,使用虚拟环境,但是进入到项目的cainiao_guoguo_health\venv\Scripts目录启动虚拟