Numpy中的数组变形操作01——reshape() 重塑， flatten()/reval() 扁平化

　　reshape() 重塑， flatten()/reval() 扁平化

　　reshape()——>完成从低维到高维的转换

　　flatten()——>完成从高维到低维的转换 同时可以用ravel()实现

　　a. 基础用法举例

　　import numpy as np

　　help(np.ravel)

　　ravel(a, order=‘C’)

　　Return a contiguous flattened array.

　　a : array_like

　　Input array. The elements in a are read in the order specified by

　　order, and packed as a 1-D array.

　　order : {‘C’,‘F’, ‘A’, ‘K’}, optional

　　用reshape()创建二维数组arr

　　arr=np.arange(1,25.0).reshape((4,-1)) #tips:用-1直接计算另一个参数

　　array([[ 1., 2., 3., 4., 5., 6.],

　　[ 7., 8., 9., 10., 11., 12.],

　　[13., 14., 15., 16., 17., 18.],

　　[19., 20., 21., 22., 23., 24.]])

　　对其进行进行扁平化(打平):

　　arr_=arr.flatten()

　　arr_2=arr.ravel()

　　array([ 1., 2., 3., 4., 5., 6., 7., 8., 9., 10., 11., 12., 13.,

　　14., 15., 16., 17., 18., 19., 20., 21., 22., 23., 24.])

　　b. ravel和flatten的区别

　　raval()进行扁平化处理时没有复制原来数组，只在列主序打平时复制了原数组，返回的是一个数组的视图。

　　faltten()在所有情况下打平时都复制了原来的数组，分配了新的内存。

　　#flatten打平的情况下

　　arr_[0] = 50

　　print(arr_)

　　print(arr)大连人流医院哪家好 http://www.dljzyyb.com/

　　array([ 50., 2., 3., 4., 5., 6., 7., 8., 9., 10., 11., 12., 13.,

　　14., 15., 16., 17., 18., 19., 20., 21., 22., 23., 24.])

　　array([[ 1., 2., 3., 4., 5., 6.],

　　[ 7., 8., 9., 10., 11., 12.],

　　[13., 14., 15., 16., 17., 18.],

　　[19., 20., 21., 22., 23., 24.]])

　　flatten()不会影响到原本数组arr

　　#ravel打平情况下

　　arr_2[0] = 100

　　print(arr_2)

　　print(arr)

　　array([ 100., 2., 3., 4., 5., 6., 7., 8., 9., 10., 11., 12., 13.,

　　14., 15., 16., 17., 18., 19., 20., 21., 22., 23., 24.])

　　array([[ 100., 2., 3., 4., 5., 6.],

　　[ 7., 8., 9., 10., 11., 12.],

　　[13., 14., 15., 16., 17., 18.],

　　[19., 20., 21., 22., 23., 24.]])

　　ravel()会影响到原本数组arr

　　尽量使用flatten()函数打平数组。