重塑意味着改变数组的形状。
数组的形状是每个维度中元素的数量。
通过重塑,我们可以添加或删除维度或更改每个维度中的元素数量。
将以下包含 12 个元素的一维数组转换为二维数组。
最外面的维度将有 4 个数组,每个数组有 3 个元素:
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])
newarr = arr.reshape(4, 3)
print(newarr)
亲自试一试 »
将以下包含 12 个元素的一维数组转换为 3 维数组。
最外面的维度将有 2 个数组,其中包含 3 个数组,每个数组有 2 个元素:
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])
newarr = arr.reshape(2, 3, 2)
print(newarr)
亲自试一试 »
是的,只要两个形状中重塑所需的元素相同即可。
我们可以将 8 个元素的 1D 数组重塑为 4 个元素的 2 行 2D 数组,但我们无法将其重塑为 3 个元素的 3 行 2D 数组,因为这需要 3x3 = 9 个元素。
尝试将具有 8 个元素的 1D 数组转换为每个维度具有 3 个元素的 2D 数组(会引发错误):
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8])
newarr = arr.reshape(3, 3)
print(newarr)
亲自试一试 »
检查返回的数组是副本还是视图:
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8])
print(arr.reshape(2, 4).base)
亲自试一试 »
上面的示例返回原始数组,因此它是一个视图。
您可以拥有一个 "unknown" 维度。
这意味着您不必在重塑方法中为其中一个维度指定准确的数字。
经过-1
作为值,NumPy 将为您计算这个数字。
将具有 8 个元素的 1D 数组转换为具有 2x2 元素的 3D 数组:
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8])
newarr = arr.reshape(2, 2, -1)
print(newarr)
亲自试一试 »
笔记:我们无法通过-1
到多个维度。
扁平化数组意味着将多维数组转换为一维数组。
我们可以用reshape(-1)
去做这个。
将数组转换为一维数组:
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
newarr = arr.reshape(-1)
print(newarr)
亲自试一试 »
笔记:numpy中有很多改变数组形状的函数flatten
,ravel
以及重新排列元素rot90
,flip
,fliplr
,flipud
这些属于 numpy 的中级到高级部分。
截取页面反馈部分,让我们更快修复内容!也可以直接跳过填写反馈内容!