快捷導(dǎo)航

Numpy之如何改變數(shù)組形狀

更新時(shí)間：2023年06月25日 09:39:01 作者：大笨牛@

這篇文章主要介紹了Numpy之如何改變數(shù)組形狀問題，具有很好的參考價(jià)值，希望對大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教

前言

本篇總結(jié)、介紹數(shù)組的基本操作之一——改變數(shù)組形狀。

1. reshape

numpy.reshape(a, newshape, order=‘C')

在不改變數(shù)據(jù)的情況下為數(shù)組賦予新的形狀

a：類數(shù)組（array_like）。待重塑數(shù)組
newshape：整數(shù)（一維數(shù)組）或者整數(shù)列表/元組（高維數(shù)組）等。重塑之后的數(shù)組形狀（shape）。需要注意的是重塑之后的數(shù)組形狀要與待重塑數(shù)組的形狀相容
order：{‘C’, ‘F’, ‘A’}，可選參數(shù)。數(shù)據(jù)在計(jì)算機(jī)內(nèi)存中的存儲(chǔ)順序

>>> arr1 = np.arange(8)
>>> arr1
array([0, 1, 2, 3, 4, 5, 6, 7])
## 打印arr1形狀
>>> arr1.shape
(8,)
# 將arr1變換為二維數(shù)組
>>> arr2 = np.reshape(arr1,(2,4))
>>> arr2
array([[0, 1, 2, 3],
       [4, 5, 6, 7]])
## 打印arr2形狀
>>> arr2.shape
(2, 4)
# 將arr1變換為三維數(shù)組
>>> arr3 = np.reshape(arr1,(2,2,2))
>>> arr3
array([[[0, 1],
        [2, 3]],
       [[4, 5],
        [6, 7]]])
## 打印arr3形狀
>>> arr3.shape
(2, 2, 2)
# 將arr3轉(zhuǎn)換為一維數(shù)組
>>> arr4 = np.reshape(arr3,8)
>>> arr4
array([0, 1, 2, 3, 4, 5, 6, 7])
## 打印arr4形狀
>>> arr4.shape
(8,)
# 重塑之后的數(shù)組形狀要與待重塑數(shù)組的形狀相容，否則報(bào)錯(cuò)
>>> arr5 = np.reshape(arr1,(3,3))
ValueError: cannot reshape array of size 8 into shape (3,3)

注釋：

newshape參數(shù)的其中一維可以是-1，表示該維度上的長度會(huì)自動(dòng)根據(jù)數(shù)組的長度及其余維度的長度自動(dòng)推斷出來。

我們看一下下面的例子：

>>> arr1 = np.arange(8)
>>> arr1
array([0, 1, 2, 3, 4, 5, 6, 7])
>>> arr2 = np.reshape(arr1,(2,-1))
>>> arr2
array([[0, 1, 2, 3],
       [4, 5, 6, 7]])

只能其中一維為-1：

>>> arr1 = np.arange(8)
>>> arr1
array([0, 1, 2, 3, 4, 5, 6, 7])
>>> arr2 = np.reshape(arr1,(2,-1,-1))
ValueError: can only specify one unknown dimension

另外，需要注意numpy.reshape(a,(1,-1))與numpy.reshape(a,(-1,1))以及numpy.reshape(a,-1)的區(qū)別：

>>> arr1 = np.arange(8)
>>> arr1
array([0, 1, 2, 3, 4, 5, 6, 7])
# numpy.reshape(a,(1,-1))
>>> arr2 = np.reshape(arr1,(1,-1))
>>> arr2
array([[0, 1, 2, 3, 4, 5, 6, 7]])
>>> arr2.shape
(1, 8)
# numpy.reshape(a,(-1,1))
>>> arr3 = np.reshape(arr1,(-1,1))
>>> arr3
array([[0],
       [1],
       [2],
       [3],
       [4],
       [5],
       [6],
       [7]])
>>> arr3.shape
(8, 1)
# numpy.reshape(a,-1)
>>> arr4 = np.reshape(arr3,-1)
>>> arr4
array([0, 1, 2, 3, 4, 5, 6, 7])
>>> arr4.shape
(8,)

注釋：

每個(gè)Numpy數(shù)組（ndarray）的實(shí)例也都有自己的reshape方法（注意與函數(shù)reshape區(qū)別），其語法如下：

a.reshape(shape, order=‘C’)：在不改變數(shù)據(jù)的情況下為數(shù)組賦予新的形狀（a為Numpy數(shù)組實(shí)例）

無論從語法還是功能上來說，Numpy數(shù)組的reshape方法和Numpy的reshape函數(shù)都一樣。

兩者的主要區(qū)別在于：

（1）Numpy的reshape函數(shù)可以直接對諸如python列表對象進(jìn)行操作（但返回的依然是Numpy ndarray對象），而Numpy數(shù)組的reshape方法則不行。

（2）Numpy數(shù)組的reshape方法支持形狀（shape）參數(shù)的每個(gè)元素作為單獨(dú)的參數(shù)傳入，而Numpy的reshape函數(shù)不行。

我們先來看一下第一點(diǎn)：

# numpy.reshape函數(shù)
>>> list1 = [0,1,2,3,4,5,6,7,8]
>>> arr1 = np.reshape(list1,(3,3))
>>> arr1
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
# ndarray.reshape方法
>>> list1.reshape(list1,(3,3))
AttributeError: 'list' object has no attribute 'reshape'

我們再來看一下第二點(diǎn)：

# numpy.reshape函數(shù)
## 形狀參數(shù)作為一個(gè)整體傳入
>>> arr1 = np.arange(8)
>>> np.reshape(arr1,(2,4))
array([[0, 1, 2, 3],
       [4, 5, 6, 7]])
## 形狀參數(shù)單獨(dú)分開傳入
>>> np.reshape(arr1,2,4)
TypeError: order must be str, not int

# ndarray.reshape方法
## 形狀參數(shù)作為一個(gè)整體傳入
>>> arr1 = np.arange(8)
>>> arr1.reshape((2,4))
array([[0, 1, 2, 3],
       [4, 5, 6, 7]])
## 形狀參數(shù)的元素單獨(dú)傳入
>>> arr1.reshape(2,4)
array([[0, 1, 2, 3],
       [4, 5, 6, 7]])

注釋：

numpy.reshape和ndarray.reshape都不會(huì)改變原數(shù)組的形狀。

2. ravel

numpy.ravel(a, order=‘C')

返回展平成一維的數(shù)組元素。

一般返回的是數(shù)組視圖（view），需要的時(shí)候（例如order改變）才會(huì)返回?cái)?shù)組的副本（copy）

a：類數(shù)組
order：{‘C’,’F’, ‘A’, ‘K’}，可選參數(shù)

注釋：

numpy.ravel和ndarray.ravel以及ndarray.reshape(-1)等同。

>>> arr1 = np.arange(8).reshape(2,2,2)
>>> arr1
array([[[0, 1],
        [2, 3]],
       [[4, 5],
        [6, 7]]])
>>> np.ravel(arr1)
array([0, 1, 2, 3, 4, 5, 6, 7])
>>> arr1.ravel()
array([0, 1, 2, 3, 4, 5, 6, 7])
>>> arr1.reshape(-1)
array([0, 1, 2, 3, 4, 5, 6, 7])

3. ndarray.flatten

ndarray.flatten(order=‘C')

返回坍塌成一維的數(shù)組的副本

order：{‘C’, ‘F’, ‘A’, ‘K’}，可選參數(shù)

>>> arr1 = np.arange(8).reshape(2,2,2)
>>> arr1
array([[[0, 1],
        [2, 3]],
       [[4, 5],
        [6, 7]]])
>>> arr1.flatten()
array([0, 1, 2, 3, 4, 5, 6, 7])

注釋：

有關(guān)ravel和ndarray.flatten的區(qū)別和聯(lián)系：

numpy.ravel、ndarray.ravel、ndarray.reshape(-1)以及ndarray.flatten都可以返回展平成一維的數(shù)組元素
numpy.ravel、ndarray.ravel、ndarray.reshape(-1)返回的是數(shù)組的視圖，而ndarray.flatten返回的是數(shù)組的副本

>>> arr1 = np.arange(8).reshape(2,2,2)
>>> arr1
array([[[0, 1],
        [2, 3]],
       [[4, 5],
        [6, 7]]])
>>> arr2 = arr1.reshape(-1)
>>> arr2
array([0, 1, 2, 3, 4, 5, 6, 7])
>>> arr3 = arr1.ravel()
>>> arr3
array([0, 1, 2, 3, 4, 5, 6, 7])
>>> arr4 = arr1.flatten()
>>> arr4
array([0, 1, 2, 3, 4, 5, 6, 7])
>>> arr5 = arr1.ravel(order='F')
>>> arr5
array([0, 4, 2, 6, 1, 5, 3, 7])
>>> arr1[0][0][1] = -1
# arr1改變后
>>> arr1
array([[[ 0, -1],
        [ 2,  3]],
       [[ 4,  5],
        [ 6,  7]]])
>>> arr2
array([ 0, -1,  2,  3,  4,  5,  6,  7])
>>> arr3
array([ 0, -1,  2,  3,  4,  5,  6,  7])
>>> arr4
array([0, 1, 2, 3, 4, 5, 6, 7])
>>> arr5
array([0, 4, 2, 6, 1, 5, 3, 7])