python 学习笔记(1)--numpy数组转置
来源:互联网 发布:java工程师评等级 编辑:程序博客网 时间:2024/05/17 08:07
关于数组的转置,Numpy提供了transpose函数和.T属性两种实现形式,一般transpose使用起来更为方便,另外转换其中的两个轴还可以用swapreaxes,下面通过例子来做介绍。
#一维数组转置>>> arr = np.arange(6)>>> print arr[0, 1, 2, 3, 4, 5]>>> print np.transpose(arr)[0, 1, 2, 3, 4, 5]#一维还是一维…#二维数组转置>>> arr = np.arange(6).reshape((2,3))>>> print arr[[0, 1, 2], [3, 4, 5]]>>> print np.transpose(arr)[[0,3], [1,4], [3,5]]#三维数组的转置>>> arr = np.arange(24).reshape((2,3,4))>>> print arr[[[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]], [[ 12, 13, 14, 15], [ 16, 17, 18, 19], [ 20, 21, 22, 23]]]>>> print np.transpose(arr)[[[0, 12], [4, 16], [8, 20]], [[1, 13], [5, 17], [9, 21]], [[2, 14], [6, 18], [10, 22]], [[3, 15], [7, 19], [11, 23]]]#当数组>=三维之后,我们可能希望按照特定规则来转置,transpose 可以接受用于指定转置的坐标轴号码的元组>>> print np.transpose(arr, (1,0,2))[[[ 0, 1, 2, 3], [ 12, 13, 14, 15]], [[ 4, 5, 6, 7], [ 16, 17, 18, 19]], [[ 8, 9, 10, 11], [ 20, 21, 22, 23]]]
对于是否指定转化规则,具体来看三维的变化:原始数据的“三维”是(2,3,4),不指定转换规则后的“三维”是(4,3,2),而指定规则后的三维则是按照我们指定的规则,将其一维和二维进行调换。
#原始三维数据规则>>> print (arr.shape)(2, 3, 4)#不指定转换规则>>> print (np.transpose(arr).shape)(4, 3, 2)#指定转换规则>>> print (np.transpose(arr,(1, 0, 2)).shape)(3, 2, 4)
ndarray的T属性,用法则比较简单,只需要在数组后跟.T即可。.T属性实际是转置里面的特殊情况,即不指定转置规则的默认规则。
#一维数组转置>>> arr = np.arange(6)>>> print arr[0, 1, 2, 3, 4, 5]>>> print arr.T[0, 1, 2, 3, 4, 5]#一维还是一维…#二维数组转置>>> arr = np.arange(6).reshape((2,3))>>> print arr[[0, 1, 2], [3, 4, 5]]>>> print arr.T[[0,3], [1,4], [3,5]]#三维数组的转置>>> arr = np.arange(24).reshape((2,3,4))>>> print arr[[[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]], [[ 12, 13, 14, 15], [ 16, 17, 18, 19], [ 20, 21, 22, 23]]]>>> print arr.T[[[0, 12], [4, 16], [8, 20]], [[1, 13], [5, 17], [9, 21]], [[2, 14], [6, 18], [10, 22]], [[3, 15], [7, 19], [11, 23]]]
当某些情况下,你可能只需要转换其中的两个轴,除了可以使用transpose指定轴以外(当然需要每个轴都指定顺便,只是调整其中的部分而已),还可以使用swapreaxes。
>>> arr = np.arange(24).reshape((2,3,4))>>> print arr[[[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]], [[ 12, 13, 14, 15], [ 16, 17, 18, 19], [ 20, 21, 22, 23]]]>>> print arr.swapaxes(1, 0)[[[ 0, 1, 2, 3], [ 12, 13, 14, 15]], [[ 4, 5, 6, 7], [ 16, 17, 18, 19]], [[ 8, 9, 10, 11], [ 20, 21, 22, 23]]]
1 0
- python 学习笔记(1)--numpy数组转置
- 【python学习笔记】16:numpy数组四则运算
- 【python学习笔记】17:numpy数组排序
- 【python】numpy学习笔记
- Python Numpy学习笔记
- Python Numpy 学习笔记
- 【python学习笔记】15:numpy创建各种数组
- 【python学习笔记】18:numpy数组函数与矩阵运算
- 【python学习笔记】19:numpy数组布尔运算和切片
- Python.Numpy学习零碎笔记之数组与矩阵
- python学习笔记1-numpy/enumerate
- python numpy 库学习笔记
- python numpy 学习笔记(9)
- python numpy 学习笔记(10)
- numpy学习笔记1---python学习笔记32
- 【转】Python Numpy数组保存
- Python Numpy Tutorials: 数组--1
- Python-Numpy(1)Array数组
- MyBatis总结之框架原理浅析
- Android 6.0 扫描不到 Ble 设备需开启位置权限
- APK 的编译流程
- 1 快速实现空页面展示
- 【英语】十一期间的英语学习
- python 学习笔记(1)--numpy数组转置
- UVa 11082 Matrix Decompressing (最大流问题)
- 报表——Fast Report
- 接下来两周的计划
- Rectangles 简单几何计算
- Java基础(接口与抽象类)
- android之as自动化删除无用资源为apk瘦身
- 即时通信原理
- 第三章,jsp内置对象的文字乱码处理