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。