NumPy 数组重组

数组重组

重塑意味着更改数组的形状。

数组的形状是每个维中元素的数量。

通过重塑,可以添加或删除维度或更改每个维度中的元素数量。


从 1-D 重塑为 2-D

将以下具有 12 个元素的 1-D 数组转换为 2-D 数组。

最外面的维度将有 4 个数组,每个数组包含 3 个元素:

  1. import numpy as np
  2. arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])
  3. newarr = arr.reshape(4, 3)
  4. print(newarr)

从 1-D 重塑为 3-D

将以下具有 12 个元素的 1-D 数组转换为 3-D 数组。

最外面的维度将具有 2 个数组,其中包含 3 个数组,每个数组包含 2 个元素:

  1. import numpy as np
  2. arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])
  3. newarr = arr.reshape(2, 3, 2)
  4. print(newarr)

可以重组成任何形状

只要重组所需的元素在两种形状中均相等。

可以将 8 元素 1D 数组重塑为 2 行 2D 数组中的 4 个元素,但是我们不能将其重塑为 3 元素 3 行 2D 数组,因为这将需要 3x3 = 9 个元素。

尝试将具有 8 个元素的 1D 数组转换为每个维度中具有 3 个元素的 2D 数组(将产生错误):

  1. import numpy as np
  2. arr = np.array([1, 2, 3, 4, 5, 6, 7, 8])
  3. newarr = arr.reshape(3, 3)
  4. print(newarr)

返回副本还是视图?

检查返回的数组是副本还是视图:

  1. import numpy as np
  2. arr = np.array([1, 2, 3, 4, 5, 6, 7, 8])
  3. print(arr.reshape(2, 4).base)

上面的例子返回原始数组,因此它是一个视图。


未知的维度

可以使用一个 "未知" 维度。

这意味着您不必在 reshape 方法中为维度之一指定确切的数字。

传递 -1 作为值,NumPy 将为您计算该数字。

将 8 个元素的 1D 数组转换为 2x2 元素的 3D 数组:

  1. import numpy as np
  2. arr = np.array([1, 2, 3, 4, 5, 6, 7, 8])
  3. newarr = arr.reshape(2, 2, -1)
  4. print(newarr)

注释:我们不能将 -1 传递给一个以上的维度。


展平数组

展平数组(Flattening the arrays)是指将多维数组转换为 1D 数组。

可以使用 reshape(-1) 来做到这一点。

把数组转换为 1D 数组:

  1. import numpy as np
  2. arr = np.array([[1, 2, 3], [4, 5, 6]])
  3. newarr = arr.reshape(-1)
  4. print(newarr)

注释:有很多功能可以更改 numpy flatten、ravel 中数组形状,还可以重新排列元素 rot90、flip、fliplr、flipud 等。这些功能属于 numpy 的中级至高级部分。