Numpy中resize与reshape、ravel与flatten的区别详解

Numpy数组形状与展平函数概览

这两组函数在行为上存在相似之处，核心区别在于是否直接修改原始数组对象。

resize与reshape的区别

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]])

这两个函数都用于调整数组的形状，但操作方式不同：resize直接在原数组上进行修改，而reshape则返回一个经过形状调整后的新数组，原数组保持不变。

ravel与flatten的区别

ravel和flatten

这两个函数均可将多维数组转换为一维数组。

flatten(order='C')

参数选项包括：{'C', 'F', 'A', 'K'}。

默认情况下，'C'表示以行优先顺序展开；'F'（Fortran风格）表示以列优先顺序展开；'A'表示如果数组在内存中是Fortran连续的，则按列展开，否则按行展开；'K'表示按照元素在内存中出现的顺序展平数组。

>>> 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函数不会影响原始矩阵，它返回的是原数组的一个副本；而ravel函数返回的是原数组的一个视图（view），修改视图可能会影响原数组。

Numpy多维数组操作示例

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]

直接设置数组维度

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]]

矩阵转置与维度交换

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，也希望大家多多支持本站。