NumPy带你玩转一维数组维度变换

NumPy带你玩转一维数组维度变换

引用

CSDN

等

9

来源

1.

https://blog.csdn.net/yeziand01/article/details/81458671

2.

https://blog.csdn.net/QLeelq/article/details/121800235

3.

https://blog.csdn.net/Leo_Huang720/article/details/81638815

4.

https://blog.csdn.net/weixin_42504788/article/details/134804343

5.

https://www.cnblogs.com/onemorepoint/p/9551762.html

6.

https://www.bilibili.com/read/cv33222457/

7.

https://openbiox.github.io/py4ds-CN/adNumpy.html

8.

https://developer.aliyun.com/article/661796

9.

https://www.cnblogs.com/lemonbit/p/7043879.html

在数据科学和机器学习领域，数据的维度变换是一个常见的需求。特别是在处理一维数组时，我们经常需要将其转换为特定形状的多维数组，以满足算法或可视化的需求。本文将深入探讨一维数组维度变换的原理和方法，帮助读者掌握这一重要技能。

一维数组，也称为向量，是最简单的数据结构之一。它由一系列有序的元素组成，每个元素都有一个唯一的索引。一维数组的特点是只有一个维度，即长度。然而，这种简单性也带来了一些限制：

• 维度操作的限制：一维数组只能沿着单个轴进行操作，无法执行多维变换（如转置或轴交换）。
• 数据组织的局限性：一维数组难以表达复杂的数据结构，如图像或矩阵。

NumPy库提供了强大的数组操作功能，其中reshape函数是实现维度变换的核心工具。reshape函数可以将一维数组转换为任意形状的多维数组，同时保持数据的顺序不变。

reshape的基本用法

reshape函数的语法如下：

numpy.reshape(a, newshape, order='C')

• a：要重塑的数组
• newshape：新的形状，可以是整数或整数元组。如果是一个整数，则结果将是一个一维数组。如果是一个元组，例如(3, 4)，则结果将是一个二维数组。
• order：读取元素的顺序，可以是'C'（C语言风格）或'F'（Fortran风格）。默认值为'C'。

示例：将一维数组转换为二维数组

import numpy as np

# 创建一个一维数组
x = np.array([1, 2, 3, 4, 5, 6])

# 将其重塑为2行3列的二维数组
d = x.reshape((2, 3))
print(d)

输出结果：

[[1 2 3]
 [4 5 6]]

reshape的视图特性

需要注意的是，reshape返回的是原数组的视图，而不是副本。这意味着对新数组的修改会影响原数组。

import numpy as np

arr1 = np.arange(12).reshape(3, 4)
b = arr1.reshape(-1)
b[2] = 1000
print(arr1)

输出结果：

[[   0    1 1000    3]
 [   4    5    6    7]
 [   8    9   10   11]]

数据预处理

在机器学习中，数据预处理阶段经常需要对数据进行维度变换。例如，将一维特征向量转换为矩阵，以便进行矩阵运算。

图像处理

图像数据通常以二维或三维数组的形式存储。在处理图像数据时，我们可能需要将一维像素数据转换为图像矩阵。

import numpy as np
import matplotlib.pyplot as plt

# 生成一维像素数据
pixels = np.random.randint(0, 256, size=10000)

# 将其重塑为100x100的图像矩阵
image = pixels.reshape((100, 100))

# 显示图像
plt.imshow(image, cmap='gray')
plt.show()

1. 注意内存共享：由于reshape返回的是视图，修改新数组会影响原数组。如果需要独立的副本，可以使用copy()方法。

2. 形状的兼容性：新形状的元素总数必须与原数组的元素总数相等。例如，一个包含12个元素的一维数组可以被重塑为3x4、4x3或2x2x3的数组，但不能被重塑为5x5的数组。

3. 使用-1简化操作：在reshape中，可以使用-1作为形状参数，表示该维度的大小由其他维度自动推断。例如，arr.reshape(-1, 4)将自动计算行数，使得每行有4个元素。

通过掌握reshape函数的使用，我们可以更灵活地处理数据，为后续的数据分析和机器学习任务做好准备。一维数组的维度变换虽然看似简单，但却是数据科学工作中不可或缺的基础技能。