numpy添加维度|极客教程

numpy添加维度

在使用NumPy进行数组操作时，经常会遇到需要添加维度的情况。添加维度可以帮助我们更方便地进行数组操作，尤其是在涉及到数组广播和矩阵运算的情况下。在NumPy中，我们可以使用np.newaxis、np.expand_dims()和np.reshape()等函数来添加维度。

使用`np.newaxis`添加维度

np.newaxis是NumPy中用于添加维度的一个很方便的方法，它可以用于在特定位置上给数组添加一个新的维度。例如，在一个一维数组上使用np.newaxis可以将这个数组变为一个行向量或列向量。

import numpy as np

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

# 将一维数组变为行向量
row_vector = arr[np.newaxis, :]
print("行向量:")
print(row_vector)
print("行向量的形状:", row_vector.shape)

# 将一维数组变为列向量
col_vector = arr[:, np.newaxis]
print("列向量:")
print(col_vector)
print("列向量的形状:", col_vector.shape)

运行结果：

行向量:
[[1 2 3 4 5]]
行向量的形状: (1, 5)
列向量:
[[1]
 [2]
 [3]
 [4]
 [5]]
列向量的形状: (5, 1)

通过使用np.newaxis，我们可以很方便地将一维数组转换为行向量或列向量。这对于一些需要特殊维度的操作非常有用。

使用`np.expand_dims()`添加维度

除了使用np.newaxis之外，NumPy还提供了np.expand_dims()函数来添加维度。相比于np.newaxis，np.expand_dims()更加灵活，可以在指定的位置上添加维度。

import numpy as np

# 创建一个二维数组
arr = np.arange(6).reshape(2, 3)

# 在第一维度上添加新的维度
expanded_arr1 = np.expand_dims(arr, axis=0)
print("在第一维度上添加新的维度:")
print(expanded_arr1)
print("形状:", expanded_arr1.shape)

# 在第二维度上添加新的维度
expanded_arr2 = np.expand_dims(arr, axis=1)
print("在第二维度上添加新的维度:")
print(expanded_arr2)
print("形状:", expanded_arr2.shape)

运行结果：

在第一维度上添加新的维度:
[[[0 1 2]
  [3 4 5]]]
形状: (1, 2, 3)
在第二维度上添加新的维度:
[[[0 1 2]]

 [[3 4 5]]]
形状: (2, 1, 3)

在以上示例中，我们使用np.expand_dims()函数在指定的位置上添加了新的维度，从而改变了数组的形状。这种灵活性使得我们可以更加方便地调整数组的维度。

使用`np.reshape()`重新排列维度

另一个常用的方法是使用np.reshape()函数来重新排列数组的维度。np.reshape()可以根据指定的新形状对数组进行重新排列，从而添加或删除维度。

import numpy as np

# 创建一个三维数组
arr = np.arange(24).reshape(2, 3, 4)

# 将三维数组变为二维数组
reshaped_arr = np.reshape(arr, (2, 12))
print("将三维数组变为二维数组:")
print(reshaped_arr)
print("形状:", reshaped_arr.shape)

# 将三维数组变为四维数组
reshaped_arr2 = np.reshape(arr, (2, 1, 3, 4))
print("将三维数组变为四维数组:")
print(reshaped_arr2)
print("形状:", reshaped_arr2.shape)

运行结果：

将三维数组变为二维数组:
[[ 0  1  2  3  4  5  6  7  8  9 10 11]
 [12 13 14 15 16 17 18 19 20 21 22 23]]
形状: (2, 12)
将三维数组变为四维数组:
[[[[ 0  1  2  3]]

  [[ 4  5  6  7]]

  [[ 8  9 10 11]]]


 [[[12 13 14 15]]

  [[16 17 18 19]]

  [[20 21 22 23]]]]
形状: (2, 1, 3, 4)

通过使用np.reshape()函数，我们可以灵活地改变数组的形状，从而添加或删除维度，以适应不同的需求。