numpy数组的重塑和转置实现

目录
  • 一.一维数组的转置
  • 二.多为数组的重塑
  • 三.将多维数组转换为一维数组
  • 四.数组的转置

一.一维数组的转置

描述

  • 一维数组的重塑就是将一行或一列的数组转换为多行多列的数组
  • 重塑之后的数组应于原有数组形状兼容（数组元素应该相等）

用法和参数

  • 数组.reshape(x,y)

    • x：转换后数组的行数
    • y：转换后数组的列数

实例

import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6, 7, 8])
# 将数组重塑为2行4列的形状
a = arr.reshape(2, 4)
# 将数组重塑为4行2列的形状
b = arr.reshape(4, 2)

print(a)
'''
[[1 2 3 4]
 [5 6 7 8]]
'''
print(b)
'''
[[1 2]
 [3 4]
 [5 6]
 [7 8]]
'''

二.多为数组的重塑

描述

  • 多维数组的重塑就是改变多维数组的形状

用法和参数

  • 数组.reshape(x,y)

    • x：转换后数组的行数
    • y：转换后数组的列数

实例

import numpy as np

arr = np.array(
    [
        [1, 2, 3, 4],
        [5, 6, 7, 8],
        [9, 10, 11, 12]
    ]
)
# 将数组重塑为4行3列的形状
a = arr.reshape(4, 3)
# 将数组重塑为2行6列的形状
b = arr.reshape(2, 6)
print(a)
'''
[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [10 11 12]]
'''
print(b)
'''
[[ 1  2  3  4  5  6]
 [ 7  8  9 10 11 12]]
'''

三.将多维数组转换为一维数组

用法和参数

  • 数组.flatten()
  • 数组.ravel()

实例

import numpy as np

arr = np.array(
    [
        [1, 2, 3, 4],
        [5, 6, 7, 8],
        [9, 10, 11, 12]
    ]
)
# 将数组转换为一维数组
print(arr.flatten())
'''
[ 1  2  3  4  5  6  7  8  9 10 11 12]
'''
# 将数组转换为一维数组
print(arr.ravel())
'''
[ 1  2  3  4  5  6  7  8  9 10 11 12]
''' 

四.数组的转置

描述

  • 将数组的行变成列，列变成行

用法和参数

  • T属性
  • transpose()

实例

import numpy as np

arr = np.array(
    [
        [1, 2, 3, 4],
        [5, 6, 7, 8],
        [9, 10, 11, 12]
    ]
)
# 对数组进行转置
print(arr.T)
'''
[[ 1  5  9]
 [ 2  6 10]
 [ 3  7 11]
 [ 4  8 12]]
'''
# 对数组进行转置
print(arr.transpose())
'''
[[ 1  5  9]
 [ 2  6 10]
 [ 3  7 11]
 [ 4  8 12]]
'''

到此这篇关于numpy数组的重塑和转置实现的文章就介绍到这了,更多相关numpy数组重塑和转置内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！

赞 (0)

相关推荐

  • numpy系列之数组重塑的实现

    目录 1.数组重塑 1.1 一维数组重塑 1.2 多维数组重塑 2.数组转置 1.数组重塑 所谓数组重塑就是更改数组的形状.比如将原来3行4列的数组重塑成4行3列的数组.在numpy中用reshape方法来实现数组重塑 1.1 一维数组重塑 一维数组重塑就是将数组从一行或一列数组重塑为多行多列的数组. 先创建一个一维数组 import numpy as np ​arr = np.arange(8) print(arr) result: [0 1 2 3 4 5 6 7] 上面的这个数组既可以转换

  • Python中numpy数组的计算与转置详解

    Python中numpy数组的计算与转置详解

    目录 前言 1.numpy数组与数的运算 2.numpy相同尺寸的数组运算 3.numpy不同尺寸的数组计算 4.numpy数组的转置 总结: 前言 本文主要讲述numpy数组的计算与转置,讲相同尺寸数组的运算与不同尺寸数组的运算,同时介绍数组转置的三种方法. numpy数组的操作比较枯燥,但是都很实用,在很多机器学习.深度学习算法中都会使用到,对numpy数组的一些操作. 1.numpy数组与数的运算 主要包括数组与数的加减乘除运算,废话不多说,看代码: import numpy as np

  • 详谈Numpy中数组重塑、合并与拆分方法

    1.数组重塑 1.1一维数组转变成二维数组 通过reshape( )函数即可实现,假设data是numpy.array类型的一维数组array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]),现将其转变为2行5列的二维数组,代码如下: data.reshape((2,5)) 作为参数的形状的其中一维可以是-1,它表示该维度的大小由数据本身推断而来,因此上面代码等价于: data.reshape((2,-1)) 1.2二维数组转换成一维数组 将多维数组转换成一维数组的运算通常称为扁

  • Numpy数组转置的两种实现方法

    Numpy数组转置很容易,两种写法 np_array = np.array([[1, 2], [3, 4]]) np_array.transpose() np.transpose(np_array) 但是一维数组转置的时候有个坑,光transpose没有用,需要指定shape参数 array_1d = np.array([1, 2]) print array_1d.shape, array_1d.transpose() array_1d.shape = (2, 1) print array_1d

  • numpy和pandas中数组的合并、拉直和重塑实例

    合并 在numpy中合并两个array numpy中可以通过concatenate,参数axis=0表示在垂直方向上合并两个数组,等价于np.vstack:参数axis=1表示在水平方向上合并两个数组,等价于np.hstack. 垂直方向: np.concatenate([arr1,arr2],axis=0) np.vstack([arr1,arr2]) 水平方向: np.concatenate([arr1,arr2],axis=1) np.hstack([arr1,arr2]) import

  • Python numpy数组转置与轴变换

    Python numpy数组转置与轴变换

    这篇文章主要介绍了Python numpy数组转置与轴变换,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 矩阵的转置 >>> import numpy as np >>> arr=np.arange(15).reshape((3,5)) >>> arr array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14]]) >>&

  • Numpy数组转置的实现

    目录 数组转置 arr.T 轴变换 arr.transpose() 二维数组转置 高维数组转置 轴变换 arr.swapaxes() numpy数组转置可以通过arr.T.arr.transpose().arr.swapaxes()实现. 数组转置 arr.T 轴变换 arr.transpose() ndarray.transpose()主要作用通过置换数组轴,来实现对数组的转置. 二维数组转置 若不在transpose中声明轴,默认是矩阵转置效果同 arr.T 高维数组转置 高维数组的转置,比

  • Numpy数组的转置和轴交换的实现

    NumPy 数组在进行转置时不会实际移动内存中的任何数据 位置只是改变对原始矩阵的索引方式 ,比如我原来是行索引现在变为列索引了 转置是一种视图并不是对原数组的复制数组转置拥有transpose方法,也有特殊的T属性 对于numpy数组的转置仅限于一维和二维数组,使用的是 numpy中的T 属性 创建一个0-15的一维数组,并且对它进行了数组重组,变为 2 x 2 x 4的三维数组,并对它进行转置 import numpy as np #创建一个三维数组,这个三维数组的形状是 2 x 2 x 4

  • numpy数组的重塑和转置实现

    目录 一.一维数组的转置 二.多为数组的重塑 三.将多维数组转换为一维数组 四.数组的转置 一.一维数组的转置 描述 一维数组的重塑就是将一行或一列的数组转换为多行多列的数组 重塑之后的数组应于原有数组形状兼容(数组元素应该相等) 用法和参数 数组.reshape(x,y) x:转换后数组的行数 y:转换后数组的列数 实例 import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7, 8]) # 将数组重塑为2行4列的形状 a = arr.res

  • Python中的numpy数组模块

    Python中的numpy数组模块

    目录 一.numpy简介 1.numpy库作用: 2.NumPy 是一个运行速度非常快的数学库,主要用于数组计算,包含: 3.NumPy 应用 二.为什么用numpy 三.创建numpy数组 1.将列表转换创建numpy数组,可选择显式指定dtype 2.arange方式创建numpy数组 3.其他方式创建numpy数组 4.numpy或pandas中reshape()重塑形状(行列转换)的用法 4.numpy.random生成随机数 5. fromstring/fromfunction(了解)

  • numpy数组拼接简单示例

    NumPy数组是一个多维数组对象,称为ndarray.其由两部分组成: ·实际的数据 ·描述这些数据的元数据 大部分操作仅针对于元数据,而不改变底层实际的数据. 关于NumPy数组有几点必需了解的: ·NumPy数组的下标从0开始. ·同一个NumPy数组中所有元素的类型必须是相同的. NumPy数组属性 在详细介绍NumPy数组之前.先详细介绍下NumPy数组的基本属性.NumPy数组的维数称为秩(rank),一维数组的秩为1,二维数组的秩为2,以此类推.在NumPy中,每一个线性的数组称为是

  • 浅谈numpy数组的几种排序方式

    简单介绍 NumPy系统是Python的一种开源的数组计算扩展.这种工具可用来存储和处理大型矩阵,比Python自身的嵌套列表(nested list structure)结构要高效的多(该结构也可以用来表示矩阵(matrix)). 创建数组 创建1维数组: data = np.array([1,3,4,8]) 查看数组维度 data.shape 查看数组类型 data.dtype 通过索引获取或修改数组元素 data[1] 获取元素 data[1] = 'a' 修改元素 创建二维数组 data

  • Numpy数组的保存与读取方法

    1. 数组以二进制格式保存 np.save和np.load是读写磁盘数组数据的两个主要函数.默认情况下,数组以未压缩的原始二进制格式保存在扩展名为npy的文件中,以数组a为例 np.save("filename.npy",a) b = np.load("filename.npy") 利用这种方法,保存文件的后缀名字一定会被置为.npy 2. 存取文本文件 使用 np.savetxt 和 np.loadtxt 只能读写 1 维和 2 维的数组 np.savetxt:将

  • 对python numpy数组中冒号的使用方法详解

    python中冒号实际上有两个意思:1.默认全部选择:2. 指定范围. 下面看例子 定义数组 X=array([[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16],[17,18,19,20]]) 输出为5x4二维数组 第一种意思,默认全部选择: 如,X[:,0]就是取矩阵X的所有行的第0列的元素,X[:,1] 就是取所有行的第1列的元素 第二种意思,指定范围,注意这里含左不含右 如,X[:, m:n]即取矩阵X的所有行中的的第m到n-1列数据,含左不含右

随机推荐