输入:
1
2
3
|
import numpy as np
a = np.array([ 1 , 2 , 3 ])
print (a)
|
输出结果:
array([1, 2, 3])
输入:
1
|
print (a[ None ])
|
输出结果:
array([[1, 2, 3]])
输入:
1
|
print (a[:, None ])
|
输出结果:
array([[1],
[2],
[3]])
numpy数组的维度增减方法
使用np.expand_dims()为数组增加指定的轴,np.squeeze()将数组中的轴进行压缩减小维度。
1.增加numpy array的维度
在操作数组情况下,需要按照某个轴将不同数组的维度对齐,这时候需要为数组添加维度(特别是将二维数组变成高维张量的情况下)。
numpy提供了expand_dims()函数来为数组增加维度:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
import numpy as np
a = np.array([[ 1 , 2 ],[ 3 , 4 ]])
a.shape
print (a)
>>>
"""
(2L, 2L)
[[1 2]
[3 4]]
"""
# 如果需要在数组上增加维度,输入需要增添维度的轴即可,注意index从零还是
a_add_dimension = np.expand_dims(a,axis = 0 )
a_add_dimension.shape
>>> ( 1L , 2L , 2L )
a_add_dimension2 = np.expand_dims(a,axis = - 1 )
a_add_dimension2.shape
>>> ( 2L , 2L , 1L )
a_add_dimension3 = np.expand_dims(a,axis = 1 )
a_add_dimension3.shape
>>> ( 2L , 1L , 2L )
|
2.压缩维度移除轴
在数组中会存在很多轴只有1维的情况,可以使用squeeze函数来压缩冗余维度
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
b = np.array([[[[ 5 ],[ 6 ]],[[ 7 ],[ 8 ]]]])
b.shape
print (b)
>>>
"""
(1L, 2L, 2L, 1L)
array([[[[5],
[6]],
[[7],
[8]]]])
"""
b_squeeze = b.squeeze()
b_squeeze.shape
>>>( 2L , 2L ) #默认压缩所有为1的维度
b_squeeze0 = b.squeeze(axis = 0 ) #调用array实例的方法
b_squeeze0.shape
>>>( 2L , 2L , 1L )
b_squeeze3 = np.squeeze(b, axis = 3 ) #调用numpy的方法
b_squeeze3.shape
>>>( 1L , 2L , 2L )
|
以上为个人经验,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/whyume/article/details/79900457