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。
P70系列延期,华为新旗舰将在下月发布
3月20日消息,近期博主@数码闲聊站 透露,原定三月份发布的华为新旗舰P70系列延期发布,预计4月份上市。
而博主@定焦数码 爆料,华为的P70系列在定位上已经超过了Mate60,成为了重要的旗舰系列之一。它肩负着重返影像领域顶尖的使命。那么这次P70会带来哪些令人惊艳的创新呢?
根据目前爆料的消息来看,华为P70系列将推出三个版本,其中P70和P70 Pro采用了三角形的摄像头模组设计,而P70 Art则采用了与上一代P60 Art相似的不规则形状设计。这样的外观是否好看见仁见智,但辨识度绝对拉满。
更新日志
- 小骆驼-《草原狼2(蓝光CD)》[原抓WAV+CUE]
- 群星《欢迎来到我身边 电影原声专辑》[320K/MP3][105.02MB]
- 群星《欢迎来到我身边 电影原声专辑》[FLAC/分轨][480.9MB]
- 雷婷《梦里蓝天HQⅡ》 2023头版限量编号低速原抓[WAV+CUE][463M]
- 群星《2024好听新歌42》AI调整音效【WAV分轨】
- 王思雨-《思念陪着鸿雁飞》WAV
- 王思雨《喜马拉雅HQ》头版限量编号[WAV+CUE]
- 李健《无时无刻》[WAV+CUE][590M]
- 陈奕迅《酝酿》[WAV分轨][502M]
- 卓依婷《化蝶》2CD[WAV+CUE][1.1G]
- 群星《吉他王(黑胶CD)》[WAV+CUE]
- 齐秦《穿乐(穿越)》[WAV+CUE]
- 发烧珍品《数位CD音响测试-动向效果(九)》【WAV+CUE】
- 邝美云《邝美云精装歌集》[DSF][1.6G]
- 吕方《爱一回伤一回》[WAV+CUE][454M]