对numpy中轴与维度的理解

时间:2022-09-14 07:53:27

numpy's main object is the homogeneous multidimensional array. it is a table of elements (usually numbers), all of the same type, indexed by a tuple of positive integers. in numpy dimensions are called axes. the number of axes is rank.

for example, the coordinates of a point in 3d space [1, 2, 1] is an array of rank 1, because it has one axis. that axis has a length of 3. in the example pictured below, the array has rank 2 (it is 2-dimensional). the first dimension (axis) has a length of 2, the second dimension has a length of 3.

?
1
2
[[ 1., 0., 0.],
 [ 0., 1., 2.]]

ndarray.ndim

数组的个数,在python的世界中,轴的个数被称作秩

?
1
2
3
4
5
6
7
8
9
>> x = np.reshape(np.arange(24), (2, 3, 4))
  # 也即 2 行 3 列的 4 个平面(plane)
>> x
array([[[ 0, 1, 2, 3],
    [ 4, 5, 6, 7],
    [ 8, 9, 10, 11]],
    [[12, 13, 14, 15],
    [16, 17, 18, 19],
    [20, 21, 22, 23]]])

shape函数是numpy.core.fromnumeric中的函数,它的功能是读取矩阵的长度,比如shape[0]就是读取矩阵第一维度的长度。

shape(x)

(2,3,4)

shape(x)[0]

2

或者

x.shape[0]

2

再来分别看每一个平面的构成:

?
1
2
3
4
5
6
7
8
9
10
11
12
>> x[:, :, 0]
array([[ 0, 4, 8],
    [12, 16, 20]])
>> x[:, :, 1]
array([[ 1, 5, 9],
    [13, 17, 21]])
>> x[:, :, 2]
array([[ 2, 6, 10],
    [14, 18, 22]])
>> x[:, :, 3]
array([[ 3, 7, 11],
    [15, 19, 23]])

也即在对 np.arange(24)(0, 1, 2, 3, ..., 23) 进行重新的排列时,在多维数组的多个轴的方向上,先分配最后一个轴(对于二维数组,即先分配行的方向,对于三维数组即先分配平面的方向)

reshpae,是数组对象中的方法,用于改变数组的形状。

二维数组

?
1
2
3
4
5
6
7
8
#!/usr/bin/env python
# coding=utf-8
import numpy as np
 
a=np.array([1, 2, 3, 4, 5, 6, 7, 8])
print a
d=a.reshape((2,4))
print d

对numpy中轴与维度的理解

三维数组

?
1
2
3
4
5
6
7
8
#!/usr/bin/env python
# coding=utf-8
import numpy as np
 
a=np.array([1, 2, 3, 4, 5, 6, 7, 8])
print a
f=a.reshape((2, 2, 2))
print f

对numpy中轴与维度的理解

形状变化的原则是数组元素不能发生改变,比如这样写就是错误的,因为数组元素发生了变化。

?
1
2
3
4
5
6
7
8
9
#!/usr/bin/env python
# coding=utf-8
import numpy as np
 
a=np.array([1, 2, 3, 4, 5, 6, 7, 8])
print a
print a.dtype
e=a.reshape((2,2))
print e

对numpy中轴与维度的理解

注意:通过reshape生成的新数组和原始数组公用一个内存,也就是说,假如更改一个数组的元素,另一个数组也将发生改变。

?
1
2
3
4
5
6
7
8
9
10
11
#!/usr/bin/env python
# coding=utf-8
import numpy as np
 
a=np.array([1, 2, 3, 4, 5, 6, 7, 8])
print a
e=a.reshape((2, 4))
print e
a[1]=100
print a
print e

对numpy中轴与维度的理解

python中reshape函数参数-1的意思

?
1
2
3
4
5
6
7
8
9
10
a=np.arange(0, 60, 10)
>>>a
array([0,10,20,30,40,50])
>>>a.reshape(-1,1)
array([[0],
[10],
[20],
[30],
[40],
[50]])

如果写成a.reshape(1,1)就会报错

valueerror:cannot reshape array of size 6 into shape (1,1)

?
1
2
3
4
5
>>> a = np.array([[1,2,3], [4,5,6]])
>>> np.reshape(a, (3,-1)) # the unspecified value is inferred to be 2
array([[1, 2],
    [3, 4],
    [5, 6]])

-1表示我懒得计算该填什么数字,由python通过a和其他的值3推测出来。

?
1
2
3
4
5
6
7
# 下面是两张2*3大小的照片(不知道有几张照片用-1代替),如何把所有二维照片给摊平成一维
>>> image = np.array([[[1,2,3], [4,5,6]], [[1,1,1], [1,1,1]]])
>>> image.shape
(2, 2, 3)
>>> image.reshape((-1, 6))
array([[1, 2, 3, 4, 5, 6],
    [1, 1, 1, 1, 1, 1]])

以上这篇对numpy中轴与维度的理解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服务器之家。

原文链接:https://blog.csdn.net/u014082714/article/details/75946302