Python中numpy数组的维度增减方法详解
作者：页页读
这篇文章主要介绍了Python中numpy数组的维度增减方法详解,在操作数组情况下,需要按照某个轴将不同数组的维度对齐,这时候需要为数组添加维度(特别是将二维数组变成高维张量的情况下),numpy提供了expand_dims()函数来为数组增加维度,需要的朋友可以参考下
numpy数组维度增减
使用 np.expand_dims() 为数组增加指定的轴, np.squeeze() 将数组中的轴进行压缩减小维度。
1.增加numpy array的维度
在操作数组情况下，需要按照某个轴将不同数组的维度对齐，这时候需要为数组添加维度(特别是将二维数组变成高维张量的情况下)。numpy提供了 expand_dims() 函数来为数组增加维度：
import numpy as np a = np.array([[1,2],[3,4]]) a.shape print(a) """ (2L, 2L) [[1 2] [3 4]] """ # 如果需要在数组上增加维度,输入需要增添维度的轴即可，注意index从零还是 a_add_dimension = np.expand_dims(a,axis=0) a_add_dimension.shape (1L, 2L, 2L) a_add_dimension2 = np.expand_dims(a,axis=-1) a_add_dimension2.shape (2L, 2L, 1L) a_add_dimension3 = np.expand_dims(a,axis=1) a_add_dimension3.shape (2L, 1L, 2L)
2.压缩维度移除轴
在数组中会存在很多轴只有1维的情况，可以使用 squeeze 函数来压缩冗余维度
b = np.array([[[[5],[6]],[[7],[8]]]])
b.shape
print(b)
"""
(1L, 2L, 2L, 1L)
array([[[[5],
[6]],
[[7],
[8]]]])
"""
b_squeeze = b.squeeze()
b_squeeze.shape
(2L, 2L) #默认压缩所有为1的维度
b_squeeze0 = b.squeeze(axis=0) #调用array实例的方法
b_squeeze0.shape
(2L, 2L, 1L)
b_squeeze3 = np.squeeze(b, axis=3) #调用numpy的方法
b_squeeze3.shape
(1L, 2L, 2L)到此这篇关于Python中numpy数组的维度增减方法详解的文章就介绍到这了,更多相关numpy数组维度增减内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！