快捷導(dǎo)航

Python調(diào)整數(shù)組形狀如何實(shí)現(xiàn)

更新時(shí)間：2022年12月20日 16:44:08 作者：微小冷

這篇文章主要介紹了Python調(diào)整數(shù)組形狀如何實(shí)現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)吧

更改維度

數(shù)組中的數(shù)據(jù)在內(nèi)存里是固定的，但計(jì)算時(shí)的排列方式卻可以隨時(shí)更改，這也是數(shù)組的強(qiáng)大之處。其中，reshape和resize功能相同，區(qū)別是前者返回新數(shù)組，后者則直接修改原始數(shù)組。

>>> x = np.arange(12)
>>> y = x.reshape(2,6)
>>> print(x)
[ 0  1  2  3  4  5  6  7  8  9 10 11]
>>> print(y)
[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]]
>>> x.resize(2,6)
>>> print(x)
[[ 0  1  2  3  4  5]
 [ 6  7  8  9 10 11]]

-1表示自動(dòng)規(guī)劃某一軸的尺寸，例如

>>> x.reshape(3,-1)
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

則flatten和ravel相當(dāng)于reshape(-1)，即將數(shù)組展平為一維數(shù)組。

squeeze則比flatten稍微溫和一點(diǎn)，會(huì)刪除尺寸為1的維度，例如

>>> x.resize(1,3,4,1,1)
>>> print(x)
[[[[[ 0]]
   [[ 1]]
   [[ 2]]
   [[ 3]]]
  [[[ 4]]
   [[ 5]]
   [[ 6]]
   [[ 7]]]
  [[[ 8]]
   [[ 9]]
   [[10]]
   [[11]]]]]

上面的這個(gè)x有太多層括號(hào)，看上去毫無卵用，這個(gè)時(shí)候可以用squeeze，

>>> x.squeeze()
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

有木有瞬間清爽了許多。

調(diào)整坐標(biāo)軸

transpose和swapaxes用于調(diào)整坐標(biāo)軸，如果用矩陣的視角去理解，那么大致相當(dāng)于轉(zhuǎn)置。

>>> x
array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11]])
>>> x.T
array([[ 0,  6],
       [ 1,  7],
       [ 2,  8],
       [ 3,  9],
       [ 4, 10],
       [ 5, 11]])
>>> x.transpose(1,0)
array([[ 0,  6],
       [ 1,  7],
       [ 2,  8],
       [ 3,  9],
       [ 4, 10],
       [ 5, 11]])

其中，transpose(1,0)表示將第一個(gè)坐標(biāo)軸和第0個(gè)坐標(biāo)軸交換位置。

牛刀小試

熟練掌握數(shù)組形狀的變換方法，也就相當(dāng)于熟悉了張量的運(yùn)算法則，這對(duì)于數(shù)據(jù)科學(xué)來說是非常重要的基礎(chǔ)技能。

例如，現(xiàn)有300張圖像200x100的圖像，想要得到每張圖像的列質(zhì)心。傳統(tǒng)思路肯定是跑循環(huán)，但眾所周知Python的循環(huán)效率比較慢，所以最佳方法是300張一起做，無非就是300x200x100的張量，對(duì)第二個(gè)坐標(biāo)軸進(jìn)行質(zhì)心提取而已

imgs = np.random.rand(300,200,100)
xs = np.arange(100)
xCen = np.matmul(imgs, xs) / np.sum(imgs, axis=2)

其中，xCen就是所要求的質(zhì)心。

當(dāng)然，也可以用更加直觀的做法

xCen = imgs.reshape(-1,100)@xs / np.sum(imgs.reshape(-1,100), axis=1)
xCen = xCen.reshape(300,200)

Numpy函數(shù)

對(duì)于上面這幾種數(shù)組的內(nèi)置方法，有一些可直接從numpy中調(diào)用，這樣的好處是可以直接對(duì)非數(shù)組格式的數(shù)據(jù)進(jìn)行操作，例如

>>> x = list(range(12))
>>> np.reshape(x, (3,4))
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

其中，x是一個(gè)列表，np.reshape會(huì)自動(dòng)將其轉(zhuǎn)化為數(shù)組后再行操作。

同樣地，flatten也可以完成數(shù)組展平的任務(wù)

>>> x = [[i, i+1] for i in range(5)]
>>> x
[[0, 1], [1, 2], [2, 3], [3, 4], [4, 5]]
>>> np.ravel(x)
array([0, 1, 1, 2, 2, 3, 3, 4, 4, 5])

到此這篇關(guān)于Python調(diào)整數(shù)組形狀如何實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)Python調(diào)整數(shù)組形狀內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: