浅谈numpy中函数resize与reshape,ravel与flatten的区别
这两组函数中区别很是类似，都是一个不改变之前的数组，一个改变数组本身
resize和reshape
>>> import numpy as np >>> a = np.arange(20).reshape(4,5) >>> a array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14], [15, 16, 17, 18, 19]]) >>> a.reshape(2,10) array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9], [10, 11, 12, 13, 14, 15, 16, 17, 18, 19]]) >>> a array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14], [15, 16, 17, 18, 19]]) >>> a.resize(2,10) >>> a array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9], [10, 11, 12, 13, 14, 15, 16, 17, 18, 19]])
两个函数都是改变数组的形状，但是resize是在本身上进行操作，reshape返回的是修改之后的参数
ravel和flatten
两者都可以将数组转换为一个维，
flatten(order='C')
参数：{‘C'，‘F'，‘A'，‘K'}
默认情况下‘C'以行为主的顺序展开，‘F'（Fortran风格）意味着以列的顺序展开，‘A'表示如果a在内存中为Fortran连续，则按列展开，否则以行展开，‘K'按照元素在内存中出现的顺序展平a。
>>> a = np.arange(6).reshape(2,3)
>>> a.flatten()
array([0, 1, 2, 3, 4, 5])
>>> a.ravel()
array([0, 1, 2, 3, 4, 5])
>>> a.flatten('F')
array([0, 3, 1, 4, 2, 5])
>>> a.ravel('F')
array([0, 3, 1, 4, 2, 5])
>>>
>>> x = np.array([[1,2],[3,4]]) >>> a = np.arange(6).reshape(2,3) >>> a.flatten()[...] = 1 >>> a array([[0, 1, 2], [3, 4, 5]]) >>> a.ravel()[...] = 1 >>> a array([[1, 1, 1], [1, 1, 1]]) >>>
flatten不会影响原始矩阵，返回的是一个副本，但是ravel是会修改数组
补充知识：【Numpy】维度变化reshape、ravel、flatten、transpose、resize、swapaxes
0. 首先，创建一个多维数组
from numpy import *
a = arange(24)
得到：
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
1.reshape 函数
b = a.reshape(2,3,4)
print(b)
得到一个 2*3*4 维的数组：
[[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] [[12 13 14 15] [16 17 18 19] [20 21 22 23]]]
可以想象成2层小洋楼，每层有 3*4 个房间
2.ravel函数 可以将多维数组展平（也就是变回一维）
c = b.ravel()
print(c)
得到一维数组
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
3.flatten函数 也是将多维数组展平，与ravel函数的功能相同，不过flatten函数会请求分配内存来保存结果，而ravel函数只是返回数组的一个视图(view)
c = b.flatten()
print(c)
得到一维数组
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
4.用元组设置维度
直接用一个正整数元组来设置数组的维度
b.shape = (6,4)
print(b)
这种做法将直接改变所操作的数组，现在数组b变成了一个 6*4 的多维数组
[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15] [16 17 18 19] [20 21 22 23]]
5.transpose函数 将矩阵进行转置
d = b.transpose()
print(d)
得到 4*6 的多维数组
[[ 0 4 8 12 16 20] [ 1 5 9 13 17 21] [ 2 6 10 14 18 22] [ 3 7 11 15 19 23]]
6.transpose函数 将矩阵按照设定维度变换顺序
b = a.reshape(2,3,4) c = b.transpose((2,1,0)) print(c)
得到一个形状为4*3*2的数组：
array([[[ 0, 12], [ 4, 16], [ 8, 20]], [[ 1, 13], [ 5, 17], [ 9, 21]], [[ 2, 14], [ 6, 18], [10, 22]], [[ 3, 15], [ 7, 19], [11, 23]]])
7.resize函数和reshape函数的功能一样，但resize会直接修改所操作的数组
b.resize((2,12))
print(b)
得到 2*12 的两维数组
[[ 0 1 2 3 4 5 6 7 8 9 10 11]
[12 13 14 15 16 17 18 19 20 21 22 23]]
并且这一步不可以通过赋值来实现，如下所示：
e = b.resize((2,12))
print(e)
此时结果为：
None
8.swapaxes(ax1,ax2) ： 将数组n个维度中两个维度进行调换，不改变原数组
b = a.reshape(2,3,4) c = b.swapaxes(0,2) print(c)
得到一个形状为4*3*2的数组(可以和6.transpose函数进行比较来看)：
array([[[ 0, 12], [ 4, 16], [ 8, 20]], [[ 1, 13], [ 5, 17], [ 9, 21]], [[ 2, 14], [ 6, 18], [10, 22]], [[ 3, 15], [ 7, 19], [11, 23]]])
以上这篇浅谈numpy中函数resize与reshape,ravel与flatten的区别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
本文通过实例代码给大家介绍了Python 中的Selenium异常处理的相关知识，非常不错，具有参考借鉴价值，需要的朋友参考下吧2018-05-05
这篇文章主要介绍了django中celery的定时任务使用方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2023-09-09
Allure是开源的免费的自动化测试报告，支持Java,Python，我们来看看如何使用Python pytest与Allure整合，输出漂亮的测试报告，这篇文章主要介绍了Pytest+Allure使用教程,需要的朋友可以参考下2023-12-12
今天小编就为大家分享一篇关于使用Django连接Mysql数据库步骤，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧2019-01-01
这篇文章主要介绍了Python全面解读高级特性切片，切片（slice）就是一种截取索引片段的技术，借助切片技术，我们可以十分灵活地处理序列类型的对象，下面我们一起进入文章了解更详细内容吧2021-12-12
本文主要介绍了浅谈numpy数组初始化的几种方法，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2023-07-07
这篇文章主要介绍了Python中的并发编程实例,主要是对Threading模块的应用,文中自定义了一个Threading类库,需要的朋友可以参考下2014-07-07
这篇文章主要介绍了Djang的model创建的字段和参数详解,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2019-07-07
这篇文章主要介绍了Pytorch模型迁移和迁移学习,导入部分模型参数的操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-03-03
这篇文章主要为大家详细介绍了python读取mysql数据绘制条形图，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2020-03-03
最新评论