如何使用numpy库中的reshape和resize方法进行ndarray多维数组的维度转换？

本文共计360个文字，预计阅读时间需要2分钟。

numpy库对多维数组有非常灵活的处理方式，主要方法包括：

- `.reshape(shape)`: 不改变数组元素，返回一个具有指定形状的新数组，原数组不变。- `.resize(shape)`: 与`.reshape()`功能一致，但会修改原数组。

numpy库对多维数组有非常灵巧的处理方式，主要的处理方法有：

.reshape(shape) ： 不改变数组元素，返回一个shape形状的数组，原数组不变

.resize(shape) ： 与.reshape()功能一致，但修改原数组

In [22]: a = np.arange(20) #原数组不变 In [23]: a.reshape([4,5]) Out[23]: array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14], [15, 16, 17, 18, 19]]) In [24]: a Out[24]: array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]) #修改原数组 In [25]: a.resize([4,5]) In [26]: a Out[26]: array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14], [15, 16, 17, 18, 19]])

.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

In [27]: a.swapaxes(1,0) Out[27]: array([[ 0, 5, 10, 15], [ 1, 6, 11, 16], [ 2, 7, 12, 17], [ 3, 8, 13, 18], [ 4, 9, 14, 19]])

.flatten() ： 对数组进行降维，返回折叠后的一维数组，原数组不变

In [29]: a.flatten() Out[29]: array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19])

到此这篇关于numpy库ndarray多维数组的维度变换方法(reshape、resize、swapaxes、flatten)的文章就介绍到这了,更多相关numpy ndarray多维数组维度变换内容请搜索易盾网络以前的文章或继续浏览下面的相关文章希望大家以后多多支持易盾网络！