1. 前言
NumPy 中包含了一些处理数组的常用方法，大致可分为以下几类：
- 数组变维操作
- 数组转置操作
- 修改数组维度操作
- 连接与分割数组操作
下面分别对它们进行介绍。
2. 数组变维操作
| 函数名称 | 函数介绍 |
|---|---|
| reshape | 在不改变数组元素的条件下，修改数组的形状。 |
| flat | 返回是一个迭代器，可以用 for 循环遍历其中的每一个元素。 |
| flatten | 以一维数组的形式返回一份数组的副本，对副本的操作不会影响到原数组。 |
| ravel | 返回一个连续的扁平数组（即展开的一维数组），与 flatten不同，它返回的是数组视图（修改视图会影响原数组）。 |
reshape 在《NumPy ndarray对象》一节已经做了讲解，本节不再介绍。
1) numpy.ndarray.flat
numpy.ndarray.flat 返回一个数组迭代器，实例如下:
import numpy as np
a = np.arange(9).reshape(3,3)
for row in a:
print (row)
#使用flat属性：
for ele in a.flat:
print (ele,end="，")
输出结果如下：
#原数组 [0 1 2] [3 4 5] [6 7 8] #输出元素 0，1，2，3，4，5，6，7，8，
2) numpy.ndarray.flatten()
numpy.ndarray.flatten 返回一份数组副本，对副本修改不会影响原始数组，其语法格式如下：
ndarray.flatten(order='C')
实例如下：
import numpy as np a = np.arange(8).reshape(2,4) print (a) #默认按行C风格展开的数组 print (a.flatten()) #以F风格顺序展开的数组 print (a.flatten(order = 'F'))
输出结果：
#数组a [[0 1 2 3] [4 5 6 7]] #默认c顺序站看数组 [0 1 2 3 4 5 6 7] # F顺序站看数组 [0 4 1 5 2 6 3 7]
3) numpy.ravel()
numpy.ravel() 将多维数组中的元素以一维数组的形式展开，该方法返回数组的视图（view），如果修改，则会影响原始数组。
numpy.ravel(a, order='C')
实例结果如下：
import numpy as np
a = np.arange(8).reshape(2,4)
print ('原数组：')
print (a)
print ('调用 ravel 函数后：')
print (a.ravel())
print ('F 风格顺序调用 ravel 函数之后：')
print (a.ravel(order = 'F'))
输出结果如下：
原数组： [[0 1 2 3] [4 5 6 7]] 调用 ravel 函数后： [0 1 2 3 4 5 6 7] F 风格顺序调用 ravel 函数之后： [0 4 1 5 2 6 3 7]
3. 数组转置操作
| 函数名称 | 说明 |
|---|---|
| transpose | 将数组的维度值进行对换，比如二维数组维度(2,4)使用该方法后为(4,2)。 |
| ndarray.T | 与 transpose 方法相同。 |
| rollaxis | 沿着指定的轴向后滚动至规定的位置。 |
| swapaxes | 对数组的轴进行对换。 |
1) numpy.transpose()
numpy.transpose() 用于对换多维数组的维度，比如二维数组使用此方法可以实现矩阵转置，语法格式如下：
numpy.transpose(arr, axes)
参数说明如下：
- arr：要操作的数组
- axes：可选参数，元组或者整数列表，将会按照该参数进行转置。
示例如下：
import numpy as np a = np.arange(12).reshape(3,4) print (a) print (np.transpose(a))
输出结果：
原数组： [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] 对换数组： [[ 0 4 8] [ 1 5 9] [ 2 6 10] [ 3 7 11]]
ndarray.T 的使用方法与其类似，这里就在赘述。
2) numpy.rollaxis()
该方法表示沿着指定的轴，向后滚动至一个特定位置，格式如下：
numpy.rollaxis(arr, axis, start)
参数说明：
- arr：要传入的数组；
- axis：沿着哪条轴向后滚动，其它轴的相对位置不会改变；
- start：默认以 0 轴开始，可以根据数组维度调整它的值。
3) numpy.swapaxes()
该方法用于交换数组的两个轴，其语法格式如下：
numpy.swapaxes(arr, axis1, axis2)
示例如：
import numpy as np # 创建了三维的 ndarray a = np.arange(27).reshape(3,3,3) print (a) #对换0轴与2轴 print(np.swapaxes(a,2,0))
输出结果：
#原a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] [24 25 26]]] #对换轴后的数组 [[[ 0 9 18] [ 3 12 21] [ 6 15 24]] [[ 1 10 19] [ 4 13 22] [ 7 16 25]] [[ 2 11 20] [ 5 14 23] [ 8 17 26]]]
4. 修改数组维度操作
修改数组维度的操作，主要有以下方法：
| 函数名称 | 描述说明 |
|---|---|
| broadcast | 生成一个模拟广播的对象。 |
| broadcast_to | 将数组广播为新的形状。 |
| expand_dims | 扩展数组的形状。 |
| squeeze | 从数组的形状中删除一维项。 |
1) numpy.broadcast()
返回值是数组被广播后的对象，该函数以两个数组作为输入参数，实例如下：
import numpy as np a = np.array([[1], [2], [3]]) b = np.array([4, 5, 6]) # 对b广播a d = np.broadcast(a,b) #d它拥有 iterator 属性 r,c = d.iters print (next(r), next(c)) print (next(r), next(c)) # 使用broadcast将a与b相加 e = np.broadcast(a,b) f=np.empty(e.shape) f.flat=[x+y for (x,y) in e] print(f) print(a+b)
输出结果：
#对b广播a 1 6 2 4 #f数组 [[5. 6. 7.] [6. 7. 8.] [7. 8. 9.]] #a+b [[5 6 7] [6 7 8] [7 8 9]]
2) numpy.broadcast_to()
该函数将数组广播到新形状中，它在原始数组的基础上返回一个只读视图。 如果新形状不符合 NumPy 的广播规则，则会抛出 ValueError 异常。函数的语法格式如下：
numpy.broadcast_to(array, shape, subok)
使用实例如下所示：
import numpy as np
a = np.arange(4).reshape(1,4)
print("原数组",a)
print ('调用 broadcast_to 函数之后：')
print (np.broadcast_to(a,(4,4)))
最后的输出结果如下：
#原数组 [[0 1 2 3]] #调用 broadcast_to 函数之后： [[0 1 2 3] [0 1 2 3] [0 1 2 3] [0 1 2 3]]
3) numpy.expand_dims()
在指定位置插入新的轴，从而扩展数组的维度，语法格式如下:
numpy.expand_dims(arr, axis)
参数说明：
- arr：输入数组
- axis：新轴插入的位置
实例如下：
标签：12,NumPy,broadcast,np,数组,print,numpy,ravel From： https://www.cnblogs.com/jiajunling/p/16730389.html