Python中的numpy數(shù)組維度擴展詳解
更新時間：2023年09月23日 09:22:29 作者：TracelessLe
這篇文章主要介紹了Python中的numpy數(shù)組維度擴展詳解,在numpy數(shù)組中,切片功能非常常用,例如x[:]表示取x的所有元素,可以通過在切片中增加None或者np.newaxis實現(xiàn),它們的作用就是在相應(yīng)的位置上增加一個維度,在這個維度上只有一個元素,需要的朋友可以參考下
numpy數(shù)組維度擴展
在numpy數(shù)組中，切片功能非常常用，例如 x[:] 表示取 x 的所有元素。
那么如何對一個numpy數(shù)組進行維度擴展呢？
可以通過在切片中增加 None 或者 np.newaxis 實現(xiàn)，它們的作用就是在相應(yīng)的位置上增加一個維度，在這個維度上只有一個元素。
在切片操作中 np.newaxis 和 None 等價：
實驗
假設(shè)一個numpy數(shù)組如下：
import numpy as np x = np.array([[[1],[2],[3]], [[4],[5],[6]]])
其維度為：
x.shape (2, 3, 1)
希望將其維度增加為（1，2，3，1）： 可以通過在切片中增加 None ：
y = x[None]
y
array([[[[1],
[2],
[3]],
[[4],
[5],
[6]]]])
y.shape
(1, 2, 3, 1)或者在切片中加入 np.newaxis ：
z = x[np.newaxis]
z
array([[[[1],
[2],
[3]],
[[4],
[5],
[6]]]])
z.shape
(1, 2, 3, 1)還可以將其維度增加為（2，1，3，1）：
a = x[:,None,:,:]
a
array([[[[1],
[2],
[3]]],
[[[4],
[5],
[6]]]])
a.shape
(2, 1, 3, 1)相關(guān)文章
這篇文章主要介紹了分析在Python中何種情況下需要使用斷言,以避免在斷言使用中經(jīng)?？赡芘龅降腻e誤，作者給出了具體代碼示例，需要的朋友可以參考下2015-04-04
今天小編就為大家分享一篇對python讀取CT醫(yī)學(xué)圖像的實例詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-01-01
pytorch鎖死在dataloader(訓(xùn)練時卡死)
這篇文章主要介紹了pytorch鎖死在dataloader(訓(xùn)練時卡死)，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2021-05-05
這篇文章主要介紹了Python可視化神器pyecharts繪制儀表盤，文章圍繞主題展開詳細的內(nèi)容介紹，具有一定的參考價值，需要的朋友可以參考一下2022-07-07
運用Python3實現(xiàn)Two-Pass算法檢測區(qū)域連通性
如何高效的檢測出連通區(qū)域的流動性是大家一直關(guān)注的話題，這篇文章主要介紹了運用Python3實現(xiàn)Two-Pass算法檢測區(qū)域連通性，感興趣的朋友可以一起來看看2021-08-08
Python實現(xiàn)環(huán)境隔離和幾種常見方法
在 Python 開發(fā)中,環(huán)境隔離是一個非常重要的實踐,它可以避免不同項目之間的依賴沖突,確保每個項目都能在獨立的環(huán)境中運行,以下是幾種常見的 Python 環(huán)境隔離方法,需要的朋友可以參考下2025-09-09
這篇文章主要介紹了Python IDLE入門簡介，具有一定借鑒價值，需要的朋友可以了解下。2017-12-12
Python?獲取指定開頭指定結(jié)尾所夾中間內(nèi)容(推薦)
獲取文章中指定開頭、指定結(jié)尾中所夾的內(nèi)容。其中，開頭和結(jié)尾均有多種，但最多也就十幾種，所以代碼還是具有可行性的，今天小編給大家介紹通過Python?獲取指定開頭指定結(jié)尾所夾中間內(nèi)容，感興趣的朋友一起看看吧2023-02-02
Python學(xué)習(xí)資料...2007-02-02
deepdiff模塊常用來校驗兩個對象是否一致，包含3個常用類，DeepDiff，DeepSearch和DeepHash，其中DeepDiff最常用，可以對字典，可迭代對象，字符串等進行對比，使用遞歸地查找所有差異，今天我們就學(xué)習(xí)一下快速實現(xiàn)代碼和文件對比的庫–deepdiff2022-07-07