解读numpy中改变数组维度的几种方式

更新时间：2023年06月25日 09:27:27 作者：qiu_xingye

这篇文章主要介绍了numpy中改变数组维度的几种方式，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

numpy改变数组维度的几种方式

在进行深度学习或强化学习时经常需要对数据的维度进行变换，本文总结了numpy中几种常用的变换数据维度的方法

增加一个维度

在多维数组的最后一维再增加一个维度可以使用numpy.reshape或numpy.expand_dims或numpy.newaxis。

示例如下：

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]]]

减小一个维度

如果多维数组的最后一维的长度为1，可以将该维去掉，去掉的方法可以使用numpy.reshape或numpy.squeeze。

示例如下：

# 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]]

将多维数组压缩为一维数组

将多维数组压缩为一维数组，可使用flatten或ravel以及reshape方法。

示例如下：

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]

将多维数组压缩为二维数组，0轴保持不变

在深度学习或强化学习中，有时需要将shape为(batches, d1, d2, d3,...)的多维数组转化为shape为（batches, d1*d2*d3...）的数组，此时可以使用reshape进行转化。

示例如下：

#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]]

numpy数组-交换维度

比如对于numpy数组x，x.shape=[3 ,384 ,512]，想要得到cv2读入图片的格式，即[384,512,3],则需以下两行命令即可

x.swapaxes(0，2)
x.swapaxes(0，1)

np.swapaxes(a,x,y) ，是ndarray对象的操作函数，用来调换维度。

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 opencv摄像头的简单应用
这篇文章主要为大家详细介绍了python opencv摄像头的简单应用，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2019-06-06
视觉直观感受若干常用排序算法
这篇文章主要利用视觉直观的几种若干常用排序算法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2017-04-04
Python使用for生成列表实现过程解析
这篇文章主要介绍了Python使用for生成列表实现过程解析,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
2020-09-09
pygame实现键盘的连续监控
这篇文章主要为大家详细介绍了pygame实现键盘的连续监控，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
2021-04-04
python3 os进行嵌套操作的实例讲解
在本篇文章里小编给大家整理了关于python3 os进行嵌套操作的实例内容，有兴趣的朋友们可以学习下。
2020-11-11
python 模拟银行转账功能过程详解
这篇文章主要介绍了python 模拟银行转账功能过程详解,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
2019-08-08
PYQT5 实现给listwidget的滚动条添加滚动信号
这篇文章主要介绍了PYQT5 实现给listwidget的滚动条添加滚动信号，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
Python去除字符串前后空格的几种方法
今天小编就为大家分享一篇关于Python去除字符串前后空格的几种方法，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
2019-03-03
tensorflow 用矩阵运算替换for循环用tf.tile而不写for的方法
今天小编就为大家分享一篇tensorflow 用矩阵运算替换for循环用tf.tile而不写for的方法，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
2018-07-07
Python 如何批量更新已安装的库
这篇文章主要介绍了Python 如何批量更新已安装的库，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
2020-05-05