numpy库ndarray多维数组的维度变换方法(reshape、resize、swapaxes、flatten)
发布时间：2026-10-14 |
5人浏览过
本文详细介绍numpy库中多维数组的四种维度变换方法：reshape、resize、swapaxes和flatten。重点区分了不改变原数组与修改原数组的操作差异，并通过代码示例展示各方法的具体用法和返回值特征，帮助开发者高效处理数组形状。
numpy数组维度变换概述
numpy库提供了处理多维数组的多种灵活方式，主要包括以下几种核心方法：
reshape方法：不改变原数组
.reshape(shape)：该方法在保持数组元素数量和值不变的前提下，返回一个指定形状shape的新数组，原始数组保持不变。
resize方法：直接修改原数组
.resize(shape)：此方法的功能与.reshape()类似，用于调整数组形状，但关键区别在于它会直接修改原始数组，而不返回新数组。
In [22]: a = np.arange(20)
#原数组不变
In [23]: a.reshape([4,5])
Out[23]:
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])
In [24]: a
Out[24]:
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,
17, 18, 19])
#修改原数组
In [25]: a.resize([4,5])
In [26]: a
Out[26]:
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])swapaxes方法：维度互换
.swapaxes(ax1,ax2)：该方法用于将数组中指定的两个维度（由ax1和ax2指定）进行互换，操作后原始数组的内容不变，但维度顺序发生交换。
In [27]: a.swapaxes(1,0)
Out[27]:
array([[ 0, 5, 10, 15],
[ 1, 6, 11, 16],
[ 2, 7, 12, 17],
[ 3, 8, 13, 18],
[ 4, 9, 14, 19]])flatten方法：降维为一维数组
.flatten()：该方法对数组执行降维操作，返回一个折叠后的一维数组，而原始多维数组本身保持不变。
In [29]: a.flatten()
Out[29]:
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,
17, 18, 19])以上就是对numpy库中ndarray多维数组维度变换方法（包括reshape、resize、swapaxes和flatten）的详细介绍。如需了解更多关于numpy ndarray多维数组维度变换的内容，建议查阅本站往期文章或继续浏览后续相关教程。感谢大家的支持！
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
