对numpy中轴与维度的理解
NumPy's main object is the homogeneous multidimensional array. It is a table of elements (usually numbers), all of the same type, indexed by a tuple of positive integers. In NumPy dimensions are called axes. The number of axes is rank.
For example, the coordinates of a point in 3D space [1, 2, 1] is an array of rank 1, because it has one axis. That axis has a length of 3. In the example pictured below, the array has rank 2 (it is 2-dimensional). The first dimension (axis) has a length of 2, the second dimension has a length of 3.
[[ 1., 0., 0.], [ 0., 1., 2.]]
ndarray.ndim
数组轴的个数，在python的世界中，轴的个数被称作秩
>> X = np.reshape(np.arange(24), (2, 3, 4))
# 也即 2 行 3 列的 4 个平面（plane）
>> X
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]]])
shape函数是numpy.core.fromnumeric中的函数，它的功能是读取矩阵的长度，比如shape[0]就是读取矩阵第一维度的长度。
shape(x)
(2,3,4)
shape(x)[0]
2
或者
x.shape[0]
2
再来分别看每一个平面的构成：
>> X[:, :, 0]
array([[ 0, 4, 8],
[12, 16, 20]])
>> X[:, :, 1]
array([[ 1, 5, 9],
[13, 17, 21]])
>> X[:, :, 2]
array([[ 2, 6, 10],
[14, 18, 22]])
>> X[:, :, 3]
array([[ 3, 7, 11],
[15, 19, 23]])
也即在对 np.arange(24)(0, 1, 2, 3, ..., 23) 进行重新的排列时，在多维数组的多个轴的方向上，先分配最后一个轴（对于二维数组，即先分配行的方向，对于三维数组即先分配平面的方向）
reshpae，是数组对象中的方法，用于改变数组的形状。
二维数组
#!/usr/bin/env python # coding=utf-8 import numpy as np a=np.array([1, 2, 3, 4, 5, 6, 7, 8]) print a d=a.reshape((2,4)) print d
三维数组
#!/usr/bin/env python # coding=utf-8 import numpy as np a=np.array([1, 2, 3, 4, 5, 6, 7, 8]) print a f=a.reshape((2, 2, 2)) print f
形状变化的原则是数组元素不能发生改变，比如这样写就是错误的，因为数组元素发生了变化。
#!/usr/bin/env python # coding=utf-8 import numpy as np a=np.array([1, 2, 3, 4, 5, 6, 7, 8]) print a print a.dtype e=a.reshape((2,2)) print e
注意：通过reshape生成的新数组和原始数组公用一个内存，也就是说，假如更改一个数组的元素，另一个数组也将发生改变。
#!/usr/bin/env python # coding=utf-8 import numpy as np a=np.array([1, 2, 3, 4, 5, 6, 7, 8]) print a e=a.reshape((2, 4)) print e a[1]=100 print a print e
Python中reshape函数参数-1的意思
a=np.arange(0, 60, 10) >>>a array([0,10,20,30,40,50]) >>>a.reshape(-1,1) array([[0], [10], [20], [30], [40], [50]])
如果写成a.reshape(1,1)就会报错
ValueError:cannot reshape array of size 6 into shape (1,1)
>>> a = np.array([[1,2,3], [4,5,6]])
>>> np.reshape(a, (3,-1)) # the unspecified value is inferred to be 2
array([[1, 2],
[3, 4],
[5, 6]])
-1表示我懒得计算该填什么数字，由python通过a和其他的值3推测出来。
# 下面是两张2*3大小的照片(不知道有几张照片用-1代替)，如何把所有二维照片给摊平成一维
>>> image = np.array([[[1,2,3], [4,5,6]], [[1,1,1], [1,1,1]]])
>>> image.shape
(2, 2, 3)
>>> image.reshape((-1, 6))
array([[1, 2, 3, 4, 5, 6],
[1, 1, 1, 1, 1, 1]])
以上这篇对numpy中轴与维度的理解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
大家好，本篇文章主要讲的是Python不同格式打印九九乘法表示例，感兴趣的同学赶快来看一看吧，对你有帮助的话记得收藏一下哦，方便下次浏览2021-12-12
这篇文章主要介绍了Python面向对象编程，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，需要的朋友们下面随着小编来一起学习学习吧2019-04-04
这篇文章主要介绍了python3 requests 各种发送方式,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2021-04-04
这篇文章主要为大家详细介绍了使用Eclipse开发python脚本的相关方法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-04-04
这篇文章主要介绍了如何基于python和pygame库实现刮刮乐游戏,文中通过代码示例和图文给大家讲解的非常详细,对大家的学习或工作有一定的帮助,需要的朋友可以参考下2024-03-03
每天面对成堆的发票，无论是发票还是承兑单据，抑或是其他各类公司数据要从照片、PDF等不同格式的内容中提取，我们都有必要进行快速办公的能力提升。本文就教你如何利用Python实现批量数据提取吧2023-03-03
这篇文章主要介绍了python变量的存储原理详解，对于python而言，python的一切变量都是对象，变量的存储，采用了引用语义的方式，存储的只是一个变量的值所在的内存地址，而不是这个变量的只本身,需要的朋友可以参考下2019-07-07
在本文中我们给大家分享了关于Python创建或生成列表的操作方法以及步骤图文流程，需要的朋友们学习下。2019-06-06
Python 开发工具PyCharm安装教程图文详解(新手必看)
PyCharm是一种Python IDE，带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。今天通过本文给大家分享PyCharm安装教程，一起看看吧2020-02-02
这篇文章主要介绍了Python中的数字类型及基本的数学计算,与其他语言一样,除法相对复杂些,不过本文并未就此深入,需要的朋友可以参考下2016-03-03
最新评论