Python reshape的用法及多个二维数组合并为三维数组的实例

reshape(shape) ： 不改变数组元素，返回一个shape形状的数组，原数组不变。是对每行元素进行处理

resize(shape) ： 与.reshape()功能一致，但修改原数组

In [1]: a = np.arange(20)#原数组不变In [2]: a.reshape([4,5])Out[2]:array([[ 0, 1, 2, 3, 4],  [ 5, 6, 7, 8, 9],  [10, 11, 12, 13, 14],  [15, 16, 17, 18, 19]]) In [3]: aOut[3]: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 [4]: a.resize([4,5]) In [5]: aOut[5]:array([[ 0, 1, 2, 3, 4],  [ 5, 6, 7, 8, 9],  [10, 11, 12, 13, 14],  [15, 16, 17, 18, 19]])

.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

In [6]: a.swapaxes(1,0)Out[6]:array([[ 0, 5, 10, 15],  [ 1, 6, 11, 16],  [ 2, 7, 12, 17],  [ 3, 8, 13, 18],  [ 4, 9, 14, 19]])

.flatten() ： 对数组进行降维，返回折叠后的一维数组，原数组不变

In [7]: a.flatten()Out[7]:array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,  17, 18, 19])

将多个二维数组合并为一个三维数组

方法一：

对于两个（或者多个）同一维度的矩阵，直接利用np.array()重新构造一个array,这样可以变相起到扩展维数的作用。例如：

import numpy as np a = np.array([[1,2,3],[4,5,6]])b = np.array([[2,2,3],[4,5,6]])c = np.array([[3,2,3],[4,5,6]])print('矩阵a：/n',a)print('维数：',a.shape) com = np.array([a,b,c])print('合并矩阵：/n',com)print('维数：',com.shape) 输出结果为： 矩阵a： [[1 2 3] [4 5 6]]维数： (2, 3)合并矩阵： [[[1 2 3] [4 5 6]]  [[2 2 3] [4 5 6]]  [[3 2 3] [4 5 6]]]维数： (3, 2, 3)

方法二：

但是，如果两个array，使用方法一时会出现如下结果：

import numpy as np aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])a = np.array([[4,2,3],[4,5,6]]) com = np.array([aa,a])print('合并矩阵：/n',com)print('维数：',com.shape) 输出结果： 合并矩阵： [array([[[1, 2, 3],  [4, 5, 6]],   [[2, 2, 3],  [4, 5, 6]],   [[3, 2, 3],  [4, 5, 6]]]) array([[4, 2, 3],  [4, 5, 6]])]维数： (2,)

可以看到：输出的维数不对，以上方法就不适用了。

那么，我们就需要利用np.append和array.reshape()函数对数组进行拼接之后重组，具体实现如下：

import numpy as np aa = np.array([[[1,2,3],[4,5,6]],[[2,2,3],[4,5,6]],[[3,2,3],[4,5,6]]])a = np.array([[4,2,3],[4,5,6]])data = np.append(aa,a)#先拼接成一个行向量print(data) dim = aa.shape#获取原矩阵的维数print('原矩阵维数：',dim)data1 = data.reshape(dim[0]+1,dim[1],dim[2])#再通过原矩阵的维数重新组合 print('合并矩阵：/n',data1)print('维数：',data1.shape)

现在来看一下用reshape将二维数据升为三维后的数据分布情况：