NumPy修改数组形状
在 NumPy 中，可以通过多种方法修改数组的形状。以下是常用的方法及详细示例：
reshape 方法
reshape 方法允许您创建一个新的形状相同数据的新数组，而不会修改原始数组的数据。
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6])
reshaped_arr = arr.reshape((2, 3))
print(reshaped_arr)
# 输出:
# [[1 2 3]
# [4 5 6]]
resize 方法
resize 方法会直接修改数组自身的形状和大小。如果新大小大于原大小，多出的元素将填充0。如果小于原大小，数据将被截断。
arr = np.array([1, 2, 3, 4, 5, 6])
arr.resize((3, 2))
print(arr)
# 输出:
# [[1 2]
# [3 4]
# [5 6]]
arr.resize((2, 3))
print(arr)
# 输出:
# [[1 2 3]
# [4 5 6]]
arr.resize((2, 4))
print(arr)
# 输出:
# [[1 2 3 4]
# [5 6 0 0]]
ravel 和 flatten 方法
这两个方法都用于将数组展平成一维数组。flatten 方法返回的是数组的副本，ravel 方法返回的是数组的视图（如有可能）。
arr_2d = np.array([[1, 2, 3], [4, 5, 6]])
flattened_arr = arr_2d.flatten()
print(flattened_arr)
# 输出: [1 2 3 4 5 6]
raveled_arr = arr_2d.ravel()
print(raveled_arr)
# 输出: [1 2 3 4 5 6]
transpose 和 T 属性
transpose 方法和 T 属性用于转置数组（交换数组的轴）。
arr_2d = np.array([[1, 2, 3], [4, 5, 6]])
transposed_arr = arr_2d.transpose()
print(transposed_arr)
# 输出:
# [[1 4]
# [2 5]
# [3 6]]
print(arr_2d.T)
# 输出:
# [[1 4]
# [2 5]
# [3 6]]
使用 np.newaxis 和 np.expand_dims
这两种方法可以用于增加数组的维度。
np.newaxis
np.newaxis 是一个新的轴，它用于增加数组的维度。
arr = np.array([1, 2, 3])
arr_newaxis = arr[:, np.newaxis]
print(arr_newaxis)
# 输出:
# [[1]
# [2]
# [3]]
arr_newaxis = arr[np.newaxis, :]
print(arr_newaxis)
# 输出:
# [[1 2 3]]
np.expand_dims
np.expand_dims 方法也是增加维度的方法。
arr = np.array([1, 2, 3])
expanded_arr = np.expand_dims(arr, axis=0)
print(expanded_arr)
# 输出:
# [[1 2 3]]
expanded_arr = np.expand_dims(arr, axis=1)
print(expanded_arr)
# 输出:
# [[1]
# [2]
# [3]]
squeeze 方法
squeeze 方法用于删除数组中大小为1的维度。
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
arr_squeezed = np.squeeze(arr)
print(arr_squeezed.shape) # 输出: (2, 2, 3)
arr = np.array([[[1, 2, 3]]])
arr_squeezed = np.squeeze(arr)
print(arr_squeezed.shape) # 输出: (3,)
数组形状属性
shape 属性
shape 属性用于查看或修改数组的形状。
ndim 属性
ndim 属性返回数组的维度数。
size 属性
size 属性返回数组中元素的总个数。
通过这些方法和属性，您可以灵活地查看和修改 NumPy 数组的形状，从而满足各种数据处理需求。