十年网站开发经验 + 多家企业客户 + 靠谱的建站团队
量身定制 + 运营维护+专业推广+无忧售后,网站问题一站解决
本篇文章给大家分享的是有关怎么在Python中利用reshape将多个二维数组合并为三维数组,小编觉得挺实用的,因此分享给大家学习,希望大家阅读完这篇文章后可以有所收获,话不多说,跟着小编一起来看看吧。
10年积累的网站建设、做网站经验,可以快速应对客户对网站的新想法和需求。提供各种问题对应的解决方案。让选择我们的客户得到更好、更有力的网络服务。我虽然不认识你,你也不认识我。但先网站制作后付款的网站建设流程,更有三台免费网站建设让你可以放心的选择与我们合作。reshape(shape) : 不改变数组元素,返回一个shape形状的数组,原数组不变。是对每行元素进行处理
resize(shape) : 与.reshape()功能一致,但修改原数组
In [1]: a = np.arange(20) #原数组不变 In [2]: a.reshape([4,5]) Out[2]: array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14], [15, 16, 17, 18, 19]]) In [3]: a Out[3]: array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]) #修改原数组 In [4]: a.resize([4,5]) In [5]: a Out[5]: array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14], [15, 16, 17, 18, 19]])
.swapaxes(ax1,ax2) : 将数组n个维度中两个维度进行调换,不改变原数组
In [6]: a.swapaxes(1,0) Out[6]: array([[ 0, 5, 10, 15], [ 1, 6, 11, 16], [ 2, 7, 12, 17], [ 3, 8, 13, 18], [ 4, 9, 14, 19]])
.flatten() : 对数组进行降维,返回折叠后的一维数组,原数组不变
In [7]: a.flatten() Out[7]: array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19])
将多个二维数组合并为一个三维数组
方法一:
对于两个(或者多个)同一维度的矩阵,直接利用np.array()重新构造一个array,这样可以变相起到扩展维数的作用。例如:
import numpy as np a = np.array([[1,2,3],[4,5,6]]) b = np.array([[2,2,3],[4,5,6]]) c = np.array([[3,2,3],[4,5,6]]) print('矩阵a:\n',a) print('维数:',a.shape) com = np.array([a,b,c]) print('合并矩阵:\n',com) print('维数:',com.shape) 输出结果为: 矩阵a: [[1 2 3] [4 5 6]] 维数: (2, 3) 合并矩阵: [[[1 2 3] [4 5 6]] [[2 2 3] [4 5 6]] [[3 2 3] [4 5 6]]] 维数: (3, 2, 3)
方法二:
但是,如果两个array,使用方法一时会出现如下结果:
import numpy as np aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]]) a = np.array([[4,2,3],[4,5,6]]) com = np.array([aa,a]) print('合并矩阵:\n',com) print('维数:',com.shape) 输出结果: 合并矩阵: [array([[[1, 2, 3], [4, 5, 6]], [[2, 2, 3], [4, 5, 6]], [[3, 2, 3], [4, 5, 6]]]) array([[4, 2, 3], [4, 5, 6]])] 维数: (2,)
可以看到:输出的维数不对,以上方法就不适用了。
那么,我们就需要利用np.append和array.reshape()函数对数组进行拼接之后重组,具体实现如下:
import numpy as np aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]]) a = np.array([[4,2,3],[4,5,6]]) data = np.append(aa,a)#先拼接成一个行向量 print(data) dim = aa.shape#获取原矩阵的维数 print('原矩阵维数:',dim) data1 = data.reshape(dim[0]+1,dim[1],dim[2])#再通过原矩阵的维数重新组合 print('合并矩阵:\n',data1) print('维数:',data1.shape)
现在来看一下用reshape将二维数据升为三维后的数据分布情况:
import numpy as np b = np.arange(36).reshape((6,6)) b1 = b.reshape(2,3,6)
b的元素:
b1的元素:
可以看到,原来6*6的矩阵被分为了2个3*6的矩阵。每一行的数据分布并没有改变,只是将前3行划为一个维度,然后将后三行划为另一个维度。
b1.reshape(6,6)
如果用这条命令,则数据又被还原了回去,与b的一样。
b1.reshape(3,12)
如果用的是reshape(3,12),则相当于将数据首先拉伸为1维的,然后再将一维数据重组为3*12
方法三:
相比于前两种方法,这种方法可谓“曲线救国”之典范,具体思路是:先转化成list,拼接后再转化回去。
这是因为list中的append()函数可以在添加函数的时候不改变原来list的维度。虽然没有对这种方法进行一个速度测试,但直觉来看时间复杂度挺高的,建议慎用。
aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]]) a = np.array([[4,2,3],[4,5,6]]) #将array转换成list aa = aa.tolist(aa) a = a.list(a) aa.append(a)#注意与方法二中np.append()用法的区别 com = np.array(aa) print(com.shape) 输出结果: 合并矩阵: [[[1 2 3] [4 5 6]] [[2 2 3] [4 5 6]] [[3 2 3] [4 5 6]] [[4 2 3] [4, 5, 6]]] 维数: (4,2,3)
这里注意:
两种类型的相互转换函数:
array转list:a = a.tolist()
list转array:a =np.array(a)
以上就是怎么在Python中利用reshape将多个二维数组合并为三维数组,小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注创新互联成都网站设计公司行业资讯频道。
另外有需要云服务器可以了解下创新互联scvps.cn,海内外云服务器15元起步,三天无理由+7*72小时售后在线,公司持有idc许可证,提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案,具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势,专为企业上云打造定制,能够满足用户丰富、多元化的应用场景需求。