Numpy - ndarray变换

对于创建后的ndarray数组，可以对其进行维度变换、元素类型变换和相关的转换操作。

1、维度变换：

reshape：

import numpy as np
a=np.arange(20)
#原数组不变,返回一个新的数组
b=a.reshape([4,5])
print('a:',a)
print('\nb:',b)

输出如下：

a: [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19]

b: [[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]]

resize：

#修改原数组，但不返回新的数组，否则内存中将存在两份数据
a=np.arange(20)
b=a.resize([4,5])
print('a:',a)
print('\nb:',b)

输出如下：

a: [[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]]

b: None

swapaxes：

#.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 
a=np.arange(20)
a.resize([4,5])
print('before a:',a)

#对换后原来的数组不改变，返回新的数组，上述对换的本意是将行和列进行对换
b=a.swapaxes(0,1)
print('\nafter a:',b)

输出如下：

before a: [[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]]

after a: [[ 0  5 10 15]
 [ 1  6 11 16]
 [ 2  7 12 17]
 [ 3  8 13 18]
 [ 4  9 14 19]]

flatten：

#.flatten() ： 对数组进行降维，返回折叠后的一维数组，原数组不变
b=a.flatten()
print(a)
print('\n',b)

输出如下：

[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]]

 [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19]

transpose：

#.transpose:返回矩阵的装置
a=np.arange(20)
a.resize([4,5])
print('before a:',a)

b=a.transpose(1,0)
print('\nafter a:',b)

c=a.transpose()
print('\nafter a:',c)

输出如下：

before a: [[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]]

after a: [[ 0  5 10 15]
 [ 1  6 11 16]
 [ 2  7 12 17]
 [ 3  8 13 18]
 [ 4  9 14 19]]

after a: [[ 0  5 10 15]
 [ 1  6 11 16]
 [ 2  7 12 17]
 [ 3  8 13 18]
 [ 4  9 14 19]]

ravel：

#ravel 返回展开后的一维数组
a=np.arange(20)
a.resize([4,5])
print('before a:',a)

b=a.ravel() 
print('\n',b)

输出如下：

before a: [[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]]

 [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19]

2、元素类型变换

元素类型变换主要采用是用astype或者dtype直接赋值，在[第四章：Numpy - ndarray的dtype]中已经有详细介绍，可参考。

3、数组转换方法

所谓数组的转换方法类似于在原有的数组上创建一个新的数组，或者修改原数组的内容，以下是相关方法的总结：