numpy ravel、flatten、squeeze、reshape

最新推荐文章于 2024-10-22 16:51:56 发布

原创最新推荐文章于 2024-10-22 16:51:56 发布 · 577 阅读

0 ·

CC 4.0 BY-SA版权

python 同时被 2 个专栏收录

93 篇文章

订阅专栏

numpy

6 篇文章

订阅专栏

本文详细介绍了NumPy中数组操作的基础方法，包括ravel、flatten、squeeze和reshape等函数的功能及使用场景。通过实例对比了这些函数在多维数组降维处理上的不同表现，并展示了如何利用它们进行高效的数组转换。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

numpy：手册

一、ravel、flatten、squeeze、reshape

ravel(): 不会产生原来数据的副本
flatten（）：返回源数据副本
squeeze（）：只能对维度为1的维度降维
reshape(-1)：可以拉平多维数组

二、把多维的数组降为1维

import numpy as np

data = np.linspace(1,12,12).reshape(3,4)
print(data)
print('-'*20)
print(data.ravel())

print('-'*20)
print(data.flatten())


print('-'*20)
print(data.squeeze())



[[ 1.  2.  3.  4.]
 [ 5.  6.  7.  8.]
 [ 9. 10. 11. 12.]]
--------------------
[ 1.  2.  3.  4.  5.  6.  7.  8.  9. 10. 11. 12.]
--------------------
[ 1.  2.  3.  4.  5.  6.  7.  8.  9. 10. 11. 12.]
--------------------
[[ 1.  2.  3.  4.]
 [ 5.  6.  7.  8.]
 [ 9. 10. 11. 12.]]

三、可以看到.ravel() .flatten()都将多维数组降至一维，而squeezeqz只能对shape值为1的维度降维，在这种情况下无法降维。

import numpy as np

data = np.linspace(1,12,12).reshape(12,1)
print(data)
print('-'*20)
print(data.squeeze())
print('-'*20)
data = np.linspace(1,12,12).reshape(1,12)
print(data)
print('-'*20)
print(data.squeeze())



[[ 1.]
 [ 2.]
 [ 3.]
 [ 4.]
 [ 5.]
 [ 6.]
 [ 7.]
 [ 8.]
 [ 9.]
 [10.]
 [11.]
 [12.]]
--------------------
[ 1.  2.  3.  4.  5.  6.  7.  8.  9. 10. 11. 12.]
--------------------
[[ 1.  2.  3.  4.  5.  6.  7.  8.  9. 10. 11. 12.]]
--------------------
[ 1.  2.  3.  4.  5.  6.  7.  8.  9. 10. 11. 12.]

三、产生源数据的副本，对数据更改时会影响原来的数组；

import numpy as np

data = np.linspace(1,12,12).reshape(3,4)
print(data)
print('-'*20)
data.ravel()[3]=100
print(data)
print()

print('-'*20)
data = np.linspace(1,12,12).reshape(3,4)
print(data)
print('-'*20)
data.flatten()[3]=100
print(data)


print()

print('-'*20)
data = np.linspace(1,12,12).reshape(1,12)
print(data)



[[ 1.  2.  3.  4.]
 [ 5.  6.  7.  8.]
 [ 9. 10. 11. 12.]]
--------------------
[[  1.   2.   3. 100.]
 [  5.   6.   7.   8.]
 [  9.  10.  11.  12.]]

--------------------
[[ 1.  2.  3.  4.]
 [ 5.  6.  7.  8.]
 [ 9. 10. 11. 12.]]
--------------------
[[ 1.  2.  3.  4.]
 [ 5.  6.  7.  8.]
 [ 9. 10. 11. 12.]]

--------------------
[[ 1.  2.  3.  4.  5.  6.  7.  8.  9. 10. 11. 12.]]
--------------------
[[  1.   2.   3. 100.   5.   6.   7.   8.   9.  10.  11.  12.]]