numpy的使用说明(二):这一章设计很多重要知识点(必看)(三)

简介: numpy的使用说明(二):这一章设计很多重要知识点(必看)(三)

3)改变数组形状时,如果维度大于1,可以将“最后一个维度”设置为-1;

p = np.arange(6).reshape(2,3)
display(p)
# ----------------------------
q = np.arange(6).reshape(2,-1)
display(q)


结果如下:

image.png

注意:可以这样做的原因在于,当你指明了前面的维度,最后一个维度会根据数组元素个数和前面的维度数,自动计算出最后一个维度的维度数,也就是说【维度一 * 维度二 * … * 维度N = 元素个数】。


6、数组扁平化:ravel()函数和flatten()函数

① 两个函数的相同点


不管你给我的数组是多少维的,通过这两个函数之后,我都给你压缩为一维数组。

② 两个函数的不同点

image.png

③ 操作如下


array1 = np.array([[1,2,3],[4,5,6]])
display(array1)
array2 = array1.ravel()
display(array2)
array3 = array1.flatten()
display(array3)
# 此时我们修改array2和array3中的某个元素,看看对于array1的影响
array2[0] = 666
display(array2)
display(array1)
array3[1] = 888
display(array3)
display(array1)


结果如下:

image.png

相关文章
|
存储 数据可视化 数据挖掘
Numpy的21个常用知识点(3)
Numpy的21个常用知识点(3)
Numpy的21个常用知识点(3)
|
机器学习/深度学习 索引 Python
Numpy的21个常用知识点(2)
Numpy的21个常用知识点(2)
Numpy的21个常用知识点(2)
|
编译器 TensorFlow 算法框架/工具
Numpy的21个常用知识点(1)
Numpy的21个常用知识点(1)
Numpy的21个常用知识点(1)
numpy的使用说明(二):这一章设计很多重要知识点(必看)(二)
numpy的使用说明(二):这一章设计很多重要知识点(必看)(二)
numpy的使用说明(二):这一章设计很多重要知识点(必看)(二)
numpy的使用说明(二):这一章设计很多重要知识点(必看)(一)
numpy的使用说明(二):这一章设计很多重要知识点(必看)(一)
numpy的使用说明(二):这一章设计很多重要知识点(必看)(一)
|
存储 C语言 索引
numpy的使用说明(五):数组的广播机制、数组元素的底层存储(二)
numpy的使用说明(五):数组的广播机制、数组元素的底层存储(二)
numpy的使用说明(五):数组的广播机制、数组元素的底层存储(二)
|
存储 Python
numpy的使用说明(五):数组的广播机制、数组元素的底层存储(一)
numpy的使用说明(五):数组的广播机制、数组元素的底层存储(一)
numpy的使用说明(五):数组的广播机制、数组元素的底层存储(一)
|
索引 Python
numpy的使用说明(三):numpy中切片和索引详解(三)
numpy的使用说明(三):numpy中切片和索引详解(三)
numpy的使用说明(三):numpy中切片和索引详解(三)
|
存储 索引 Python
numpy的使用说明(三):numpy中切片和索引详解(二)
numpy的使用说明(三):numpy中切片和索引详解(二)
numpy的使用说明(三):numpy中切片和索引详解(二)
|
2月前
|
机器学习/深度学习 数据处理 Python
从NumPy到Pandas:轻松转换Python数值库与数据处理利器
从NumPy到Pandas:轻松转换Python数值库与数据处理利器
79 0
下一篇
无影云桌面