甘肃建设厅官方网站项目负责人,免费云电脑(可玩大型游戏),专业网站建设公司怎么选,网站续费管理系统这个专栏名为《Numpy从入门到精通》#xff0c;顾名思义#xff0c;是记录自己学习numpy的学习过程#xff0c;也方便自己之后复盘#xff01;为深度学习的进一步学习奠定基础#xff01;希望能给大家带来帮助#xff0c;爱睡觉的咋祝您生活愉快#xff01; 这一篇介绍《… 这个专栏名为《Numpy从入门到精通》顾名思义是记录自己学习numpy的学习过程也方便自己之后复盘为深度学习的进一步学习奠定基础希望能给大家带来帮助爱睡觉的咋祝您生活愉快 这一篇介绍《Numpy从入门到精通——数组变形|合并数组》 文章目录 一、修改数组的形状1.1 reshape函数1.2 resize函数1.3 T函数1.4 ravel函数1.5 flatten(orderC)函数1.6 squeeze函数1.7 transpose函数 二、合并数组2.1 append函数2.2 concatenate函数2.3 stack函数2.4 zip函数 在深度学习中常常会涉及到矩阵的变形。在实际任务中我们常常需要将处理好的数据以模型能接收的形式发送然后通过模型计算出一个结果返回。不同模型所要接受的数据的格式是不一样的这就要求我们将数据处理成符合模型要求的格式。最常见的就是矩阵或者是数组的运算所以这次我们分享numpy怎么样进行数组变形和合并数组。
一、修改数组的形状
首先我们给出numpy中修改向量的一些常用函数
函数描述arr.reshape重新对向量arr维度进行改变不修改向量本身arr.resize重新对向量arr维度进行改变修改向量本身arr.T对向量arr进行转置arr.ravel对向量arr进行展平即将多维数组变成1维数组不会产生原数组的副本arr.flatten对向量arr进行展平即将多维数组变成1维数组返回原数组的副本arr.squeeze只能对维数为1的数组降维。对多维数组使用时虽然不会报错但是不会产生任何影响arr.transpose对高维矩阵进行轴对换
下面我们通过具体的代码看每一个函数的效果
1.1 reshape函数
#!/usr/bin/env python
# -*- coding: UTF-8 -*-Project numpy学习
File task_19.py
IDE PyCharm
Author 咋
Date 2023/4/22 10:48 import numpy as nparr np.arange(10)
print(arr)
# 将向量 arr 维度变换为2行5列
print(arr.reshape(2, 5))
# 指定维度时可以只指定行数或列数, 其他用 -1 代替
print(arr.reshape(5, -1))
print(arr.reshape(-1, 5))输出为
[0 1 2 3 4 5 6 7 8 9]
[[0 1 2 3 4][5 6 7 8 9]]
[[0 1][2 3][4 5][6 7][8 9]]
[[0 1 2 3 4][5 6 7 8 9]]值得注意的是说设置的行数和列数一定要能够被整除否则会报错
1.2 resize函数
#!/usr/bin/env python
# -*- coding: UTF-8 -*-Project numpy学习
File task_20.py
IDE PyCharm
Author 咋
Date 2023/4/22 10:52 import numpy as nparr np.arange(10)
print(arr)
# 将向量 arr 维度变换为2行5列
arr.resize(2, 5)
print(arr)输出为
[0 1 2 3 4 5 6 7 8 9]
[[0 1 2 3 4][5 6 7 8 9]]resize是没有返回值的直接在原数组上进行操作。
1.3 T函数
#!/usr/bin/env python
# -*- coding: UTF-8 -*-Project numpy学习
File task_21.py
IDE PyCharm
Author 咋
Date 2023/4/22 10:58 import numpy as nparr np.arange(12).reshape(3, 4)
# 向量 arr 为3行4列
print(arr)
# 将向量 arr 进行转置为4行3列
print(arr.T)输出为
[[ 0 1 2 3][ 4 5 6 7][ 8 9 10 11]]
[[ 0 4 8][ 1 5 9][ 2 6 10][ 3 7 11]]转置是有返回值的所有可以用print直接输出出来。
1.4 ravel函数
#!/usr/bin/env python
# -*- coding: UTF-8 -*-Project numpy学习
File task_22.py
IDE PyCharm
Author 咋
Date 2023/4/22 11:00 import numpy as nparr np.arange(6).reshape(2, -1)
print(arr)
# 按照列优先展平
print(按照列优先展平)
print(arr.ravel(F))
# 按照行优先展平
print(按照行优先展平)
print(arr.ravel())
输出为
[[0 1 2][3 4 5]]
按照列优先展平
[0 3 1 4 2 5]
按照行优先展平
[0 1 2 3 4 5]默认情况是按照行优先进行排序设置“F”可以安装列优先进行展开。
1.5 flatten(order“C”)函数
#!/usr/bin/env python
# -*- coding: UTF-8 -*-Project numpy学习
File task_23.py
IDE PyCharm
Author 咋
Date 2023/4/22 11:08 import numpy as np
a np.floor(10*np.random.random((3,4)))
print(a)
print(a.flatten(orderC))
print(a)输出为
[[4. 5. 5. 7.][3. 7. 3. 0.][0. 4. 6. 0.]]
[4. 5. 5. 7. 3. 7. 3. 0. 0. 4. 6. 0.]
[[4. 5. 5. 7.][3. 7. 3. 0.][0. 4. 6. 0.]]flatten经常在卷积网络与全连接层之间一般在网络需要把2维3维的多维数组转化为一维数组时使用
1.6 squeeze函数
import numpy as nparr np.arange(3).reshape(3, 1)
print(arr.shape) #(3,1)
print(arr.squeeze().shape) #(3,)
arr1 np.arange(6).reshape(3,1,2,1)
print(arr1.shape) #(3, 1, 2, 1)
print(arr1.squeeze().shape) #(3, 2)输出为
(3, 1)
(3,)
(3, 1, 2, 1)
(3, 2)squeeze函数主要用于降维可以把数组中含1的维度去掉。
1.7 transpose函数
import numpy as nparr2 np.arange(24).reshape(2,3,4)
print(arr2.shape) #(2, 3, 4)
print(arr2.transpose(1,2,0).shape) #(3, 4, 2)输出
(2, 3, 4)
(3, 4, 2)还记得我们之前说opencv读取图片是BGR格式的吗我们可以通过numpy.transpose函数进行轴对换变成RGB格式再用plt就能正常显示了
二、合并数组
合并数组也是比较常见的操作之一同样的我们先看有哪些函数然后对这些函数进行说明
函数描述np.append内存占用大np.concatenate没有内存问题np.stack沿着新的轴加入一系列数组np.hstack栈数组垂直顺序行np.vstack栈数组垂直顺序列np.dstack栈数组按顺序深入沿第3维np.vsplit将数组分解成垂直的多个子数组的列表zip[iterable,…]将对象中对应的元素打包成一个个元组构成的zip对象
说明
append、concatnate以及stack函数都有一个 axis 参数用于控制数组合并是按行还是按列排序。append和concatnate函数中待合并的数组必须有相同的行数或列数(满足一个即可)。stack、hstack、dstack函数中待合并的数组必须具有相同的形状( shape)。
2.1 append函数
合并一维数组
#!/usr/bin/env python
# -*- coding: UTF-8 -*-Project numpy学习
File task_26.py
IDE PyCharm
Author 咋
Date 2023/4/22 11:40 import numpy as npa np.array([1, 2, 3])
b np.array([4, 5, 6])
c np.append(a, b)
print(c)
# [1 2 3 4 5 6]输出
[1 2 3 4 5 6]合并多维数组
#!/usr/bin/env python
# -*- coding: UTF-8 -*-Project numpy学习
File task_27.py
IDE PyCharm
Author 咋
Date 2023/4/22 11:41 import numpy as npa np.arange(4).reshape(2, 2)
b np.arange(4).reshape(2, 2)
# 按行合并
c np.append(a, b, axis0)
print(按行合并后的结果)
print(c)
print(合并后数据维度, c.shape)
# 按列合并
d np.append(a, b, axis1)
print(按列合并后的结果)
print(d)
print(合并后数据维度, d.shape)输出为
按行合并后的结果
[[0 1][2 3][0 1][2 3]]
合并后数据维度 (4, 2)
按列合并后的结果
[[0 1 0 1][2 3 2 3]]
合并后数据维度 (2, 4)2.2 concatenate函数
#!/usr/bin/env python
# -*- coding: UTF-8 -*-Project numpy学习
File task_28.py
IDE PyCharm
Author 咋
Date 2023/4/22 11:43 import numpy as npa np.array([[1, 2], [3, 4]])
b np.array([[5, 6]])c np.concatenate((a, b), axis0)
print(c)
d np.concatenate((a, b.T), axis1)
print(d)输出为
[[1 2][3 4][5 6]]
[[1 2 5][3 4 6]]2.3 stack函数
#!/usr/bin/env python
# -*- coding: UTF-8 -*-Project numpy学习
File task_29.py
IDE PyCharm
Author 咋
Date 2023/4/22 11:43 import numpy as npa np.array([[1, 2], [3, 4]])
b np.array([[5, 6], [7, 8]])
print(np.stack((a, b), axis0))输出为
[[[1 2][3 4]][[5 6][7 8]]]2.4 zip函数
#!/usr/bin/env python
# -*- coding: UTF-8 -*-Project numpy学习
File task_30.py
IDE PyCharm
Author 咋
Date 2023/4/22 11:45 import numpy as npa np.array([[1, 2], [3, 4]])
b np.array([[5, 6], [7, 8]])
c c zip(a, b)
for i, j in c:print(i, end,)print(j)输出为
[1 2],[5 6]
[3 4],[7 8]zip函数组合两个向量
#!/usr/bin/env python
# -*- coding: UTF-8 -*-Project numpy学习
File task_31.py
IDE PyCharm
Author 咋
Date 2023/4/22 11:49 import numpy as npa1 [1, 2, 3]
b1 [4, 5, 6]
c1 zip(a1, b1)
for i, j in c1:print(i, end,)print(j)输出为
1,4
2,5
3,6
