解读numpy中改变数组维度的几种方式

import numpy as np
import matplotlib.pyplot as plt
# 生成一个二维数据
x = np.array(range(12))
x = np.reshape(x, (3,4))
print(x)
# 输出为：
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]
# 在多维数组的最后一维再增加一个维度
y1 = np.expand_dims(x, axis=x.ndim)
y2 = np.expand_dims(x, axis=-1)
y3 = x[:,:,np.newaxis]
y4 = np.reshape(x, (*x.shape,1))
# 上述四种方法的结果完全一致
assert(np.all(y1==y2))
assert(np.all(y2==y3))
assert(np.all(y3==y4))
print(y4)
# 输出为：
# [[[ 0]
#   [ 1]
#   [ 2]
#   [ 3]]
#  [[ 4]
#   [ 5]
#   [ 6]
#   [ 7]]
#  [[ 8]
#   [ 9]
#   [10]
#   [11]]]

# 假设欲将刚才增加一维生成的多维数组y4的最后一维去掉
y = y4
x1 = np.squeeze(y, axis=(y.ndim-1))
x2 = np.squeeze(y)
x3 = np.squeeze(y, axis=-1)
x4 = np.reshape(y, y.shape[:-1])
# 上述四种方法的结果完全一致
assert(np.all(x1==x2))
assert(np.all(x2==x3))
assert(np.all(x3==x4))
print(x4)
# 输出为：
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]

z1 = y.flatten()
z2 = y.ravel()
z3 = y.reshape(y.size)
# 上述三种方法结果完全一致
assert(np.all(z1==z2))
assert(np.all(z2==z3))
print(z3)
# 输出为：
# [ 0  1  2  3  4  5  6  7  8  9 10 11]

#生成多维数据
d0 = np.expand_dims(x, axis=0)
d1 = np.repeat(d0, 3, axis=0)
print(d1)
# 输出为
# [[[ 0  1  2  3]
#   [ 4  5  6  7]
#   [ 8  9 10 11]]
#  [[ 0  1  2  3]
#   [ 4  5  6  7]
#   [ 8  9 10 11]]
#  [[ 0  1  2  3]
#   [ 4  5  6  7]
#   [ 8  9 10 11]]]
#转化为二维数组
d2 = np.reshape(d1, (d1.shape[0], d1[0].size))
print(d2)
# 输出为：
# [[ 0  1  2  3  4  5  6  7  8  9 10 11]
#  [ 0  1  2  3  4  5  6  7  8  9 10 11]
#  [ 0  1  2  3  4  5  6  7  8  9 10 11]]

x.swapaxes(0，2)
x.swapaxes(0，1)