對numpy中軸與維度的理解

更新時間：2018年04月18日 09:47:44 作者：liuhmmjj

下面小編就為大家分享一篇對numpy中軸與維度的理解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

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., 0., 0.],
 [ 0., 1., 2.]]

ndarray.ndim

數組軸的個數，在python的世界中，軸的個數被稱作秩

>> X = np.reshape(np.arange(24), (2, 3, 4))
  # 也即 2 行 3 列的 4 個平面（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函數是numpy.core.fromnumeric中的函數，它的功能是讀取矩陣的長度，比如shape[0]就是讀取矩陣第一維度的長度。

shape(x)

(2,3,4)

shape(x)[0]

2

或者

x.shape[0]

2

再來分別看每一個平面的構成：

>> 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]])

也即在對 np.arange(24)(0, 1, 2, 3, ..., 23) 進行重新的排列時，在多維數組的多個軸的方向上，先分配最后一個軸（對于二維數組，即先分配行的方向，對于三維數組即先分配平面的方向）

reshpae，是數組對象中的方法，用于改變數組的形狀。

二維數組

#!/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

三維數組

#!/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

形狀變化的原則是數組元素不能發(fā)生改變，比如這樣寫就是錯誤的，因為數組元素發(fā)生了變化。

#!/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

注意：通過reshape生成的新數組和原始數組公用一個內存，也就是說，假如更改一個數組的元素，另一個數組也將發(fā)生改變。

#!/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

Python中reshape函數參數-1的意思

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]])

如果寫成a.reshape(1,1)就會報錯

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

>>> 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表示我懶得計算該填什么數字，由python通過a和其他的值3推測出來。

# 下面是兩張2*3大小的照片(不知道有幾張照片用-1代替)，如何把所有二維照片給攤平成一維
>>> 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]])

以上這篇對numpy中軸與維度的理解就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: