关于numpy中矩阵的翻转(flip)

更新时间：2023年06月14日 10:36:38 作者：patrickpdx

这篇文章主要介绍了关于numpy中矩阵的翻转(flip)，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

numpy中矩阵的翻转(flip)

numpy.flip(m, axis=None)

Reverse the order of elements in an array along the given axis. The shape of the array is preserved, but the elements are reordered.

把数组m在axis维度进行切片，并把这个维度的index进行颠倒

示例

随机生成一个二维数组

import  numpy as np
a=np.random.randint(1,9,size=9).reshape((3,3))

[[5 8 6]
 [3 1 7]
 [8 7 8]]

axis=0：上下翻转，意味着把行看成整体，行的顺序发生颠倒，每一行的元素不发生改变

print(np.flip(a,axis=0))

[[8 7 8]
 [3 1 7]
 [5 8 6]]

axis=1：左右翻转，意味着把列看成整体，列的顺序发生颠倒，每一列的元素不发生改变

print(np.flip(a,axis=1))

[[6 8 5]
 [7 1 3]
 [8 7 8]]

numpy矩阵翻转fliplr和flipud

fliplr(m)

Flip array in the left/right direction.

>>> A = np.diag([1.,2.,3.])
>>> A
array([[1., 0., 0.],
[0., 2., 0.],
[0., 0., 3.]])
>>> np.fliplr(A)
array([[0., 0., 1.],
[0., 2., 0.],
[3., 0., 0.]])

flipud(m)

Flip array in the up/down direction.

>>> A = np.diag([1.0, 2, 3])
>>> A
array([[1., 0., 0.],
[0., 2., 0.],
[0., 0., 3.]])
>>> np.flipud(A)
array([[0., 0., 3.],
[0., 2., 0.],
[1., 0., 0.]])

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。

您可能感兴趣的文章:

Python实现将目录中TXT合并成一个大TXT文件的方法
这篇文章主要介绍了Python实现将目录中TXT合并成一个大TXT文件的方法,涉及Python针对目录下文本文件的遍历、读取及写入等技巧,具有一定参考借鉴价值,需要的朋友可以参考下
2015-07-07
pycharm利用pyspark远程连接spark集群的实现
由于工作需要，利用spark完成机器学习。因此需要对spark集群进行操作。所以利用pycharm和pyspark远程连接spark集群。感兴趣的可以了解一下
2021-05-05
python交互模式基础知识点学习
在本篇内容里小编给大家整理的是关于python交互模式是什么的相关基础知识点，需要的朋友们可以参考下。
2020-06-06
python异步的ASGI与Fast Api实现
本文主要介绍了python异步的ASGI与Fast Api实现，文中通过示例代码介绍的非常详细，需要的朋友们下面随着小编来一起学习学习吧
2021-07-07
如何打包Python Web项目实现免安装一键启动的方法
这篇文章主要介绍了如何打包Python Web项目，实现免安装一键启动，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
2020-05-05
使用Python将语音转换为文本的方法
这篇文章主要介绍了如何使用Python将语音转换为文本,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
2020-08-08
Python学习之列表常用方法总结
这篇文章主要为大家介绍了Python中列表的几个常用方法总结，文中的示例代码讲解详细，对我们学习Python列表有一定帮助，需要的可以参考一下
2022-03-03
Python中文编码知识点
在本篇文章里小编给大家分享了关于Python中文编码的相关知识点以及对应实例内容，有兴趣的朋友们学习下。
2019-02-02
Python Pingouin数据统计分析技术探索
Pingouin库基于pandas、scipy和statsmodels,为用户提供了执行常见统计分析的功能,它支持各种统计方法和假设检验,例如 t-tests、ANOVA、correlation analysis 等,本文通过一些示例代码,以更全面地了解如何使用Pingouin库进行统计分析,
2024-01-01
Python装饰器的执行过程实例分析
这篇文章主要介绍了Python装饰器的执行过程,结合实例形式分析了Python装饰器的原理、执行过程及相关操作注意事项,需要的朋友可以参考下
2018-06-06