详解Numpy扩充矩阵维度(np.expand_dims, np.newaxis)和删除维度(np.squeeze)的方法
在操作矩阵的时候,不同的接口对于矩阵的输入维度要求不同,输入可能为1-D,2-D,3-D等等。下面介绍一下使用Numpy进行矩阵维度变更的相关方法。主要包括以下几种:
1、np.newaxis扩充矩阵维度
2、np.expand_dims扩充矩阵维度
3、np.squeeze删除矩阵中维度大小为1的维度
np.newaxis,np.expand_dims扩充矩阵维度:
import numpy as np x = np.arange(8).reshape(2, 4) print(x.shape) # 添加第0维,输出shape -> (1, 2, 4) x1 = x[np.newaxis, :] print(x1.shape) # 添加第1维, 输出shape -> (2, 1, 4) x2 = np.expand_dims(x, axis=1) print(x2.shape)
输出结果:
(2, 4)
(1, 2, 4)
(2, 1, 4)
np.squeeze降低矩阵维度:
""" squeeze 函数:从数组的形状中删除单维度条目,即把shape中为1的维度去掉 用法:numpy.squeeze(a,axis = None) 1)a表示输入的数组; 2)axis用于指定需要删除的维度,但是指定的维度必须为单维度,否则将会报错; 3)axis的取值可为None 或 int 或 tuple of ints, 可选。若axis为空,则删除所有单维度的条目; 4)返回值:数组 5) 不会修改原数组; """ import numpy as np print("#" * 40, "原始数据", "#" * 40) x = np.arange(10).reshape(1, 1, 10, 1) print(x.shape) print(x) print("#" * 40, "去掉axis=0这个维度", "#" * 40) x_squeeze_0 = np.squeeze(x, axis=0) print(x_squeeze_0.shape, x_squeeze_0) print("#" * 40, "去掉axis=3这个维度", "#" * 40) x_squeeze_3 = np.squeeze(x, axis=3) print(x_squeeze_3.shape, x_squeeze_3) print("#" * 40, "去掉axis=0, axis=1这两个维度", "#" * 40) x_squeeze_0_1 = np.squeeze(x, axis=(0, 1)) print(x_squeeze_0_1.shape, x_squeeze_0_1) print("#" * 40, "去掉所有1维的维度", "#" * 40) x_squeeze = np.squeeze(x) print(x_squeeze.shape, x_squeeze) print("#" * 40, "去掉不是1维的维度,抛异常", "#" * 40) try: x_squeeze = np.squeeze(x, axis=2) print(x_squeeze.shape, x_squeeze) except Exception as e: print(e)
输出结果:
######################################## 原始数据 ########################################
(1, 1, 10, 1)
[[[[0]
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]]]]
######################################## 去掉axis=0这个维度 ########################################
(1, 10, 1) [[[0]
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]]]
######################################## 去掉axis=3这个维度 ########################################
(1, 1, 10) [[[0 1 2 3 4 5 6 7 8 9]]]
######################################## 去掉axis=0, axis=1这两个维度 ########################################
(10, 1) [[0]
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]]
######################################## 去掉所有1维的维度 ########################################
(10,) [0 1 2 3 4 5 6 7 8 9]
######################################## 去掉不是1维的维度,抛异常 ########################################
cannot select an axis to squeeze out which has size not equal to one
参考链接
到此这篇关于详解Numpy扩充矩阵维度(np.expand_dims, np.newaxis)和删除维度(np.squeeze)的方法的文章就介绍到这了,更多相关Numpy扩充矩阵维度和删除维度内容请搜索猪先飞以前的文章或继续浏览下面的相关文章希望大家以后多多支持猪先飞!
相关文章
从Pytorch模型pth文件中读取参数成numpy矩阵的操作
这篇文章主要介绍了从Pytorch模型pth文件中读取参数成numpy矩阵的操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-03-04- 这篇文章主要介绍了计算Python Numpy向量之间的欧氏距离实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2020-05-23
- 今天小编就为大家分享一篇Python-numpy实现灰度图像的分块和合并方式,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2020-04-27
Python编程OpenCV和Numpy图像处理库实现图片去水印
这篇文章主要介绍了Python编程中如何实现图片去水印本文采用了OpenCV和Numpy的图像处理的方法来实现,文中附含详细示例代码,有需要的朋友可以借鉴参考下...2021-09-26- 这篇文章主要介绍了引用numpy出错 解决方法的相关资料,需要的朋友可以参考下...2020-04-25
- 这篇文章主要介绍了numpy的squeeze函数使用方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧...2021-03-22
- 这篇文章主要介绍了python numpy实现rolling滚动案例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2020-06-08
- 今天小编就为大家分享一篇Numpy与Pytorch 矩阵操作方式,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2020-05-09
详解Windows下PyCharm安装Numpy包及无法安装问题解决方案
这篇文章主要介绍了详解Windows下PyCharm安装Numpy包及无法安装问题解决方案,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧...2020-06-19- 今天小编就为大家分享一篇python、PyTorch图像读取与numpy转换实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2020-04-27
- 这篇文章主要介绍了Python Numpy之linspace用法说明,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-04-16
python numpy库np.percentile用法说明
这篇文章主要介绍了python numpy库np.percentile用法说明,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2020-06-08- 这篇文章主要介绍了NumPy 高级索引的相关资料,文中讲解非常细致,代码帮助大家更好的理解和学习,感兴趣的朋友可以了解下...2020-07-25
- 这篇文章主要介绍了Numpy数组的广播机制的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧...2020-11-04
- 这篇文章主要介绍了Numpy中的shape函数的用法详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧...2021-03-22
- 这篇文章主要介绍了NumPy统计函数的实现方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧...2020-04-22
- 这篇文章主要介绍了numpy中生成随机数的几种常用函数,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧...2020-08-19
Numpy中ndim、shape、dtype、astype的用法详解
这篇文章主要介绍了Numpy中ndim、shape、dtype、astype的用法详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧...2020-06-14- 在吴恩达老师的深度学习专项课程中,老师有提到NumPy中的广播机制,同时那一周的测验也有涉及到广播机制的题目。那么,到底什么是NumPy中的广播机制?本文就来介绍一下...2021-05-30
- 这篇文章主要介绍了numpy实现RNN原理实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧...2021-03-03