Python NumPy 数组形状操作

在 Python 的 NumPy 库中，数组的形状（shape）是指数组的维度和每个维度的大小。数组形状操作是一项重要的功能，可以更改数组的维度和大小。本主要介绍Python NumPy的数组形状操作。

参考文档：https://www.cjavapy.com/article/3188/

要获取数组的形状，可以使用 shape 属性。如下，

import numpy as np # 创建一个 2D 数组 data = np.array([[1, 2, 3], [4, 5, 6]]) # 获取数组形状 shape = data.shape # 输出数组形状 print(shape) # 输出：(2, 3)

Python numpy.shape函数方法的使用：

https://www.cjavapy.com/article/868

要改变数组的形状，可以使用 reshape() 方法。如下，

import numpy as np # 创建一个 2D 数组 data = np.array([[1, 2, 3], [4, 5, 6]]) # 改变数组形状 new_shape = (6, 1) data = data.reshape(new_shape) # 输出数组形状 print(data.shape)

Python numpy.reshape函数方法的使用:

https://www.cjavapy.com/article/869

要改变数组的大小，可以使用 resize()方法，resize 方法修改数组本身的形状，如果新形状更大，会自动填充默认值 0。如下，

import numpy as np # 创建一个 2D 数组 data = np.array([[1, 2, 3], [4, 5, 6]]) # 调整数组形状 new_shape = (6, 1) data.resize(new_shape) # 输出数组 print(data)

Python numpy.resize函数方法的使用:

https://www.cjavapy.com/article/910

flatten 和 ravel 方法用于将多维数组展平成一维数组。flatten 返回一个新数组，而 ravel 返回原数组的视图。如下，

import numpy as np # 创建一个 2D 数组 data = np.array([[1, 2, 3], [4, 5, 6]]) # 使用 flatten() 方法展平数组 flat_data = data.flatten() # 输出展平数组 print(flat_data) # 创建一个 2D 数组 data = np.array([[7, 8, 9], [10, 11, 12]]) # 使用 ravel() 方法展平数组 ravel_data = data.ravel() # 输出展平数组 print(ravel_data)

Python numpy.ravel函数方法的使用:

https://www.cjavapy.com/article/870

可以使用transpose() 方法交换数组的维度，可以使用T 属性获取数组的转置，即行列交换，T 属性是 transpose() 方法的别名。如下，

import numpy as np # 创建一个 2D 数组 data = np.array([[1, 2, 3], [4, 5, 6]]) # 转置数组 transposed_data = data.transpose() # 输出转置数组 print(transposed_data) # 转置数组 transposed_data = data.T # 输出转置数组 print(transposed_data)

Python numpy.transpose函数方法的使用:

https://www.cjavapy.com/article/874

数组的扩展是指增加数组的维度。可以使用 expand_dims() 方法来扩展数组。数组的压缩是指减少数组的维度。可以使用 squeeze() 方法来压缩数组。如下，

import numpy as np # 创建一个 2D 数组 data = np.array([[1, 2, 3], [4, 5, 6]]) # 扩展数组的第二个维度 expanded_data = np.expand_dims(data, axis=1) # 输出扩展后的数组 print(expanded_data) # 创建一个 3D 数组 data = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]]) print(data.shape[0]) # 压缩数组的最后两个维度 compressed_data = np.squeeze(data) # 输出压缩后的数组 print(compressed_data)

Python numpy.squeeze函数方法的使用：

https://www.cjavapy.com/article/882/

Python numpy.expand_dims函数方法的使用：

https://www.cjavapy.com/article/881/