通过数组.shape查看数组的形状
1)对于一个一维数组
示例代码如下:
t1 = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])
print(t1)
print(t1.shape)
输出结果如下所示:
对于一维数组来说,12代表元素的个数。
2)对于一个二维数组
t2 = np.array([[1, 2, 3], [4, 5, 6]])
print(t2)
print(t2.shape)
输出结果如下所示:
?
其中:2代表行数,3代表列数。
3)对于一个3维数组:
创建一个n维数组,则列表最外层的【】数为n
示例代码如下:
t3 = np.array([[[1, 2, 3], [4, 5, 6]],[[7, 8, 9], [10, 11, 12]]])
print(t3)
print(t3.shape)
输出结果如下:
3维数组的shape可以理解为:第一个2表示块,整个数组被分为两部分;第二个2表示每部分的行;3表示每部分的列。
通过数组.reshape()可以修改数组的格式。
reshape是一个有返回值的操作,不会对原数组修改。
将一维数组修改为三维数组。
示例代码如下:
a = np.array(range(24))
print(a)
b = a.reshape(2, 3, 4)
c = a.reshape((2, 3, 4))
print(b)
print(c)
输出结果如下:
?
其中,reshape的最外层括号是函数的括号,里面的括号是参数的括号,参数位元组。
需要注意的点:reshape(24,)和reshape(24,1)
d = a.reshape((24, )) # 修改为1维数组 两边分别有1 个中括号
e = a.reshape((1, 24)) # 修改为2维数组 两边分别有2 个中括号
print(d)
print(e)
输出结果如下:
其中d为一维数组;e为二维数组。需要注意其中的区别。
将一个多维数组按行展开
通过flatten()可以将多维数组按行展开成一维数组。
c = a.reshape(2, 3, 4)
f = c.flatten()
print(c)
print(f)
?输出结果如下所示: