浅谈numpy中函数resize与reshape,ravel与flatten的区别
这两组函数中区别很是类似，都是一个不改变之前的数组，一个改变数组本身
resize和reshape
>>> import numpy as np
>>> a = np.arange(20).reshape(4,5)
>>> a
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])
>>> a.reshape(2,10)
array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14, 15, 16, 17, 18, 19]])
>>> a
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])
>>> a.resize(2,10)
>>> a
array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14, 15, 16, 17, 18, 19]])
两个函数都是改变数组的形状，但是resize是在本身上进行操作，reshape返回的是修改之后的参数
ravel和flatten
两者都可以将数组转换为一个维，
flatten(order='C')
参数：{‘C'，‘F'，‘A'，‘K'}
默认情况下‘C'以行为主的顺序展开，‘F'（Fortran风格）意味着以列的顺序展开，‘A'表示如果a在内存中为Fortran连续，则按列展开，否则以行展开，‘K'按照元素在内存中出现的顺序展平a。
>>> a = np.arange(6).reshape(2,3)
>>> a.flatten()
array([0, 1, 2, 3, 4, 5])
>>> a.ravel()
array([0, 1, 2, 3, 4, 5])
>>> a.flatten('F')
array([0, 3, 1, 4, 2, 5])
>>> a.ravel('F')
array([0, 3, 1, 4, 2, 5])
>>>
>>> x = np.array([[1,2],[3,4]])
>>> a = np.arange(6).reshape(2,3)
>>> a.flatten()[...] = 1
>>> a
array([[0, 1, 2],
[3, 4, 5]])
>>> a.ravel()[...] = 1
>>> a
array([[1, 1, 1],
[1, 1, 1]])
>>>
flatten不会影响原始矩阵，返回的是一个副本，但是ravel是会修改数组
补充知识：【Numpy】维度变化reshape、ravel、flatten、transpose、resize、swapaxes
0. 首先，创建一个多维数组
from numpy import *
a = arange(24)
得到：
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
1.reshape 函数
b = a.reshape(2,3,4)
print(b)
得到一个 2*3*4 维的数组：
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
可以想象成2层小洋楼，每层有 3*4 个房间
2.ravel函数 可以将多维数组展平（也就是变回一维）
c = b.ravel()
print(c)
得到一维数组
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
3.flatten函数 也是将多维数组展平，与ravel函数的功能相同，不过flatten函数会请求分配内存来保存结果，而ravel函数只是返回数组的一个视图(view)
c = b.flatten()
print(c)
得到一维数组
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
4.用元组设置维度
直接用一个正整数元组来设置数组的维度
b.shape = (6,4)
print(b)
这种做法将直接改变所操作的数组，现在数组b变成了一个 6*4 的多维数组
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]
5.transpose函数 将矩阵进行转置
d = b.transpose()
print(d)
得到 4*6 的多维数组
[[ 0 4 8 12 16 20]
[ 1 5 9 13 17 21]
[ 2 6 10 14 18 22]
[ 3 7 11 15 19 23]]
6.transpose函数 将矩阵按照设定维度变换顺序
b = a.reshape(2,3,4)
c = b.transpose((2,1,0))
print(c)
得到一个形状为4*3*2的数组：
array([[[ 0, 12],
[ 4, 16],
[ 8, 20]],
[[ 1, 13],
[ 5, 17],
[ 9, 21]],
[[ 2, 14],
[ 6, 18],
[10, 22]],
[[ 3, 15],
[ 7, 19],
[11, 23]]])
7.resize函数和reshape函数的功能一样，但resize会直接修改所操作的数组
b.resize((2,12))
print(b)
得到 2*12 的两维数组
[[ 0 1 2 3 4 5 6 7 8 9 10 11]
[12 13 14 15 16 17 18 19 20 21 22 23]]
并且这一步不可以通过赋值来实现，如下所示：
e = b.resize((2,12))
print(e)
此时结果为：
None
8.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
b = a.reshape(2,3,4)
c = b.swapaxes(0,2)
print(c)
得到一个形状为4*3*2的数组(可以和6.transpose函数进行比较来看)：
array([[[ 0, 12],
[ 4, 16],
[ 8, 20]],
[[ 1, 13],
[ 5, 17],
[ 9, 21]],
[[ 2, 14],
[ 6, 18],
[10, 22]],
[[ 3, 15],
[ 7, 19],
[11, 23]]])
以上这篇浅谈numpy中函数resize与reshape,ravel与flatten的区别就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持软件开发网。
您可能感兴趣的文章:Numpy之reshape()使用详解Python中优化NumPy包使用性能的教程Python numpy 常用函数总结numpy.array 操作使用简单总结
