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
数组轴的个数，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
|
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
|
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
|
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
|
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