numpy 学习汇总39- 翻转数组( 初步学习 tcy)
发布日期:2021-06-29 14:47:51
浏览次数:3
分类:技术文章
本文共 3360 字,大约阅读时间需要 11 分钟。
翻转数组 2018/11/29 ======================================================================函数 描述transpose 对换数组的维度ndarray.T 和 self.transpose() 相同rollaxis 向后滚动指定的轴swapaxes 对换数组的两个轴 =======================================================================1.转置np.transpose(a, axes=None)#是重塑一种特殊形式,返回据数据的视图 # 无参数:反转轴的顺序;对于a.shape=(2, 3)的数组必须是无参数. (i,j)参数类似轴i,j互换 # 实例1: # 对于一维数组,这不起作用;a=np.arange(6).reshape(2,3) # array([[0, 1, 2],[3, 4, 5]])a.T # array([[0, 3], [1, 4], [2, 5]])a.transpose() # array([[0, 3],[1, 4],[2, 5]]) # a.transpose(0)# 错误 # 实例2: #对于高维数组, transpose需要一组轴编号:a.transpose(0,1,2) # a0.shape# (2, 2, 3) 原形状(2, 2, 3) =======================================================================2.numpy.rollaxis(arr, axis, start) #向后滚动特定的轴到一个特定位置# 参数说明:# axis:要向后滚动的轴,其它轴的相对位置不会改变# start:默认为零,表示完整的滚动。会滚动到特定位置。 # 实例1a = np.arange(6).reshape(2,3)b = np.arange(8).reshape(2,2,2) np.rollaxis(a,1,0)#0可省略 np.rollaxis(b,2) # 将轴 2 滚动到轴 0(宽度到深度)np.rollaxis(b,2,1)# 将轴 0 滚动到轴 1(宽度到高度) # 输出: a rollaxis(a,1,0) b np.rollaxis(b,2) rollaxis(b,2,1) [[0, 1, 2], [[0, 3], [[[0 1] [[[0 2] [[[0 2] [3, 4, 5]] [1, 4], [2 3]] [4 6]] [1 3]] [2, 5]] [[4 5] [[1 3] [[4 6] [6 7]]] [5 7]]] [5 7]]] =================================================================3.numpy.swapaxes(arr, axis1, axis2) #用于交换数组的两个轴 # 实例2np.swapaxes(a,1,0) # np.swapaxes(a,0,1)等价np.swapaxes(b, 2, 0)# 现在交换轴 0(深度方向)到轴 2(宽度方向)# 输出: a swapaxes(a,1,0) b swapaxes(b, 2, 0) [[0, 1, 2], [[0, 3], [[[0 1] [[[0 4] [3, 4, 5]] [1, 4], [2 3]] [2 6]] [2, 5]] [[4 5] [[1 5] [6 7]]] [3 7]]] =================================================================备注: # 实例3: #对于高维数组, transpose需要一组轴编号: aarray([[[0, 1, 2], [3, 4, 5]], [[6, 7, 8], [9, 10, 11]]]) a.transpose(0, 1, 2) # a0.shape# (2, 2, 3) 原形状(2, 2, 3)array([[[0, 1, 2], [3, 4, 5]], [[6, 7, 8], [9, 10, 11]]]) a.transpose(1, 0, 2) # a1.shape# (2, 2, 3)原形状(2, 2, 3)array([[[0, 1, 2], [6, 7, 8]], [[3, 4, 5], [9, 10, 11]]]) a.transpose(0, 2, 1) # a2.shape# (2, 3, 2)原形状(2, 2, 3) array([[[0, 3], [1, 4], [2, 5]], [[6, 9], [7, 10], [8, 11]]]) a.transpose(2, 0, 1) # a3.shape#(3, 2, 2)原形状(2, 2, 3)array([[[0, 3], [6, 9]], [[1, 4], [7, 10]], [[2, 5], [8, 11]]]) a.transpose(1, 2, 0) # a4.shape#(2, 3, 2)原形状(2, 2, 3)array([[[0, 6], [1, 7], [2, 8]], [[3, 9], [4, 10], [5, 11]]]) a.transpose(2, 1, 0) # a5.shape#(3, 2, 2)原形状(2, 2, 3)array([[[0, 6], [3, 9]], [[1, 7], [4, 10]], [[2, 8], [5, 11]]])a.T # array([[[ 0, 6], [ 3, 9]],[[ 1, 7],[ 4, 10]], [[ 2, 8],[ 5, 11]]])===================================================================
转载地址:https://chunyou.blog.csdn.net/article/details/84642584 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!
发表评论
最新留言
能坚持,总会有不一样的收获!
[***.219.124.196]2024年04月06日 05时02分03秒
关于作者
喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!
推荐文章
鸿蒙(二)基于小熊派实现LOT上云的智慧家居项目
2019-04-29
开发必备:HTTP 及 TLS
2019-04-29
Windows 11答疑:大家最关心的10个问题
2019-04-29
select、poll、epoll之间的区别
2019-04-29
Shopify!Shopify!Shopify!
2019-04-29
这是美国MarTech最大的一家独立公司:HubSpot
2019-04-29
从开发到产出:关于机器学习的七则干货建议
2019-04-29
你想成为数据科学家吗?不要把机器学习当成入门第一课
2019-04-29
你想成为数据科学家吗?不要把机器学习当成入门第一课
2019-04-29
现代社会悖论:信息泛滥是一只不守规矩的野兽
2019-04-29
如何设计自己的第一个加密交易机器人?
2019-04-29
浪费在Excel上的时间:如何开始专家式机器学习实验追踪?
2019-04-29
失业三星期:我寻找第二份编程工作之路
2019-04-29
跳过媒介,我们能不能只用思想控制计算机?
2019-04-29
服务器宕机:谷歌最近经历了“黑客攻击”吗?
2019-04-29
RepVGG:极简架构,SOTA性能,让VGG式模型再次伟大
2019-04-29
世界上最大的实时、高频、低延迟流媒体系统是如何建成的?
2019-04-29
提升查询技能,这7条SQL查询错误必须解决
2019-04-29
TKDE 2020 | 综述:基于知识图谱的推荐系统
2019-04-29
休息时间!哪些业余活动能提升开发人员的技能?
2019-04-29