快捷導(dǎo)航

Python reshape的用法及多個(gè)二維數(shù)組合并為三維數(shù)組的實(shí)例

更新時(shí)間：2020年02月07日 10:25:32 作者：bebr

今天小編就為大家分享一篇Python reshape的用法及多個(gè)二維數(shù)組合并為三維數(shù)組的實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧

reshape(shape) ：不改變數(shù)組元素，返回一個(gè)shape形狀的數(shù)組，原數(shù)組不變。是對(duì)每行元素進(jìn)行處理

resize(shape) ：與.reshape()功能一致，但修改原數(shù)組

In [1]: a = np.arange(20)
#原數(shù)組不變
In [2]: a.reshape([4,5])
Out[2]:
array([[ 0, 1, 2, 3, 4],
  [ 5, 6, 7, 8, 9],
  [10, 11, 12, 13, 14],
  [15, 16, 17, 18, 19]])
 
In [3]: a
Out[3]:
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,
  17, 18, 19])
 
#修改原數(shù)組
In [4]: a.resize([4,5])
 
In [5]: a
Out[5]:
array([[ 0, 1, 2, 3, 4],
  [ 5, 6, 7, 8, 9],
  [10, 11, 12, 13, 14],
  [15, 16, 17, 18, 19]])

.swapaxes(ax1,ax2) ：將數(shù)組n個(gè)維度中兩個(gè)維度進(jìn)行調(diào)換，不改變原數(shù)組

In [6]: a.swapaxes(1,0)
Out[6]:
array([[ 0, 5, 10, 15],
  [ 1, 6, 11, 16],
  [ 2, 7, 12, 17],
  [ 3, 8, 13, 18],
  [ 4, 9, 14, 19]])

.flatten() ：對(duì)數(shù)組進(jìn)行降維，返回折疊后的一維數(shù)組，原數(shù)組不變

In [7]: a.flatten()
Out[7]:
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,
  17, 18, 19])

將多個(gè)二維數(shù)組合并為一個(gè)三維數(shù)組

方法一：

對(duì)于兩個(gè)（或者多個(gè)）同一維度的矩陣，直接利用np.array()重新構(gòu)造一個(gè)array,這樣可以變相起到擴(kuò)展維數(shù)的作用。例如：

import numpy as np
 
a = np.array([[1,2,3],[4,5,6]])
b = np.array([[2,2,3],[4,5,6]])
c = np.array([[3,2,3],[4,5,6]])
print('矩陣a：\n',a)
print('維數(shù)：',a.shape)
 
com = np.array([a,b,c])
print('合并矩陣：\n',com)
print('維數(shù)：',com.shape)
 
輸出結(jié)果為：
 
矩陣a：
 [[1 2 3]
 [4 5 6]]
維數(shù)： (2, 3)
合并矩陣：
 [[[1 2 3]
 [4 5 6]]
 
 [[2 2 3]
 [4 5 6]]
 
 [[3 2 3]
 [4 5 6]]]
維數(shù)： (3, 2, 3)

方法二：

但是，如果兩個(gè)array，使用方法一時(shí)會(huì)出現(xiàn)如下結(jié)果：

import numpy as np
 
aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])
a = np.array([[4,2,3],[4,5,6]])
 
com = np.array([aa,a])
print('合并矩陣：\n',com)
print('維數(shù)：',com.shape)
 
輸出結(jié)果：
 
合并矩陣：
 [array([[[1, 2, 3],
  [4, 5, 6]],
 
  [[2, 2, 3],
  [4, 5, 6]],
 
  [[3, 2, 3],
  [4, 5, 6]]])
 array([[4, 2, 3],
  [4, 5, 6]])]
維數(shù)： (2,)

可以看到：輸出的維數(shù)不對(duì)，以上方法就不適用了。

那么，我們就需要利用np.append和array.reshape()函數(shù)對(duì)數(shù)組進(jìn)行拼接之后重組，具體實(shí)現(xiàn)如下：

import numpy as np
 
aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])
a = np.array([[4,2,3],[4,5,6]])
data = np.append(aa,a)#先拼接成一個(gè)行向量
print(data)
 
dim = aa.shape#獲取原矩陣的維數(shù)
print('原矩陣維數(shù)：',dim)
data1 = data.reshape(dim[0]+1,dim[1],dim[2])#再通過原矩陣的維數(shù)重新組合
 
print('合并矩陣：\n',data1)
print('維數(shù)：',data1.shape)

現(xiàn)在來看一下用reshape將二維數(shù)據(jù)升為三維后的數(shù)據(jù)分布情況：

import numpy as np
b = np.arange(36).reshape((6,6))
b1 = b.reshape(2,3,6)

b的元素：

b1的元素：

可以看到，原來6*6的矩陣被分為了2個(gè)3*6的矩陣。每一行的數(shù)據(jù)分布并沒有改變，只是將前3行劃為一個(gè)維度，然后將后三行劃為另一個(gè)維度。

b1.reshape(6,6)

如果用這條命令，則數(shù)據(jù)又被還原了回去，與b的一樣。

b1.reshape(3,12)

如果用的是reshape(3,12)，則相當(dāng)于將數(shù)據(jù)首先拉伸為1維的，然后再將一維數(shù)據(jù)重組為3*12

方法三：

相比于前兩種方法，這種方法可謂“曲線救國”之典范，具體思路是：先轉(zhuǎn)化成list，拼接后再轉(zhuǎn)化回去。

這是因?yàn)閘ist中的append()函數(shù)可以在添加函數(shù)的時(shí)候不改變原來list的維度。雖然沒有對(duì)這種方法進(jìn)行一個(gè)速度測試，但直覺來看時(shí)間復(fù)雜度挺高的，建議慎用。

aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])
a = np.array([[4,2,3],[4,5,6]])
 
#將array轉(zhuǎn)換成list
aa = aa.tolist(aa)
a = a.list(a)
 
aa.append(a)#注意與方法二中np.append()用法的區(qū)別
com = np.array(aa)
print(com.shape)
 
輸出結(jié)果：
 
合并矩陣：
  [[[1 2 3]
  [4 5 6]]
 
  [[2 2 3]
  [4 5 6]]
 
  [[3 2 3]
  [4 5 6]]
  
  [[4 2 3]
  [4, 5, 6]]]
維數(shù)： (4,2,3)

這里注意：

兩種類型的相互轉(zhuǎn)換函數(shù)：

array轉(zhuǎn)list：a = a.tolist()

list轉(zhuǎn)array：a =np.array(a)

以上這篇Python reshape的用法及多個(gè)二維數(shù)組合并為三維數(shù)組的實(shí)例就是小編分享給大家的全部內(nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: