NumPy 教程 之 Numpy 数组操作 9

简介: 本教程介绍Numpy数组操作,涵盖修改形状、翻转、维度调整、连接、分割及元素增删等。其中,`reshape`可改变数组形状而不改动数据;`swapaxes`用于交换数组的两个轴,如将三维数组的深度轴与宽度轴互换,实现灵活的数据重组,适用于多维数据处理场景。

NumPy 教程 之 Numpy 数组操作 9

Numpy 数组操作

Numpy 中包含了一些函数用于处理数组,大概可分为以下几类:

修改数组形状
翻转数组
修改数组维度
连接数组
分割数组
数组元素的添加与删除

修改数组形状
函数 描述
reshape 不改变数据的条件下修改形状
flat 数组元素迭代器
flatten 返回一份数组拷贝,对拷贝所做的修改不会影响原始数组
ravel 返回展开数组

numpy.swapaxes

numpy.swapaxes 函数用于交换数组的两个轴,格式如下:

numpy.swapaxes(arr, axis1, axis2)

arr:输入的数组
axis1:对应第一个轴的整数
axis2:对应第二个轴的整数

实例

import numpy as np

创建了三维的 ndarray

a = np.arange(8).reshape(2,2,2)

print ('原数组:')
print (a)
print ('\n')

现在交换轴 0(深度方向)到轴 2(宽度方向)

print ('调用 swapaxes 函数后的数组:')
print (np.swapaxes(a, 2, 0))

输出结果如下:

原数组:
[[[0 1]
[2 3]]

[[4 5]
[6 7]]]

调用 swapaxes 函数后的数组:
[[[0 4]
[2 6]]

[[1 5]
[3 7]]]

目录
相关文章
|
10月前
|
计算机视觉 Python
PIL图像转换为Numpy数组:技术与案例详解
本文介绍了如何将PIL图像转换为Numpy数组,以便利用Numpy进行数学运算和向量化操作。首先简要介绍了PIL和Numpy的基本功能,然后详细说明了转换过程,包括导入库、打开图像文件、使用`np.array()`或`np.asarray()`函数进行转换,并通过打印数组形状验证转换结果。最后,通过裁剪、旋转和缩放等案例展示了转换后的应用,以及如何将Numpy数组转换回PIL图像。此外,还介绍了处理base64编码图像的完整流程。
310 4
|
12月前
|
机器学习/深度学习 并行计算 大数据
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧2
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧
328 10
|
12月前
|
Python
Numpy学习笔记(四):如何将数组升维、降维和去重
本文介绍了如何使用NumPy库对数组进行升维、降维和去重操作。
205 1
|
12月前
|
Python
使用 NumPy 进行数组操作的示例
使用 NumPy 进行数组操作的示例
179 2
|
12月前
|
Python
Numpy学习笔记(五):np.concatenate函数和np.append函数用于数组拼接
NumPy库中的`np.concatenate`和`np.append`函数,它们分别用于沿指定轴拼接多个数组以及在指定轴上追加数组元素。
498 0
Numpy学习笔记(五):np.concatenate函数和np.append函数用于数组拼接
|
12月前
|
索引 Python
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧1
【Python篇】NumPy完整指南(上篇):掌握数组、矩阵与高效计算的核心技巧
358 4
|
Python
numpy | 插入不定长字符数组测试OK
本文介绍了如何在numpy中创建和操作不定长字符数组,包括插入和截断操作的测试。
104 7
|
12月前
|
机器学习/深度学习 并行计算 调度
CuPy:将 NumPy 数组调度到 GPU 上运行
CuPy:将 NumPy 数组调度到 GPU 上运行
440 1
|
API Python
Numpy 数组的一些集合操作
Numpy 数组的一些集合操作
141 0
|
编译器 Linux API
基于类型化 memoryview 让 Numpy 数组和 C 数组共享内存
基于类型化 memoryview 让 Numpy 数组和 C 数组共享内存
165 0