numpy数组形状更改/扩展
numpy数组形状更改/扩展是指通过改变数组的维度或大小来修改数组的形状。这在数据处理和分析中非常常见，可以用于调整数据的结构以适应不同的计算需求。
numpy是一个开源的Python科学计算库，提供了高效的多维数组对象和各种数学函数，非常适合进行数据处理和分析。在numpy中，可以使用reshape()函数来改变数组的形状。
具体来说，reshape()函数可以接受一个表示新形状的元组作为参数，然后返回一个具有新形状的数组，而不改变原始数组的数据。如果新形状中的维度为-1，表示该维度的大小由其他维度的大小自动推断。
除了reshape()函数，还可以使用resize()函数来修改数组的形状。与reshape()不同的是，resize()函数会直接修改原始数组的形状，并可能改变数组的数据。
numpy数组形状更改/扩展的优势在于可以灵活地调整数据的结构，以适应不同的计算需求。通过改变数组的形状，可以实现数据的重塑、转置、展平等操作，方便进行数据分析和建模。
numpy数组形状更改/扩展的应用场景包括但不限于：
- 数据预处理：在机器学习和深度学习中，经常需要将原始数据转换为特定的形状以输入模型进行训练和预测。
- 图像处理：在图像处理中，可以使用numpy数组的形状更改/扩展功能来调整图像的大小、通道数等。
- 数据分析：在数据分析中，可以通过改变数组的形状来进行数据的重塑、转置、展平等操作，方便进行统计分析和可视化。
腾讯云提供了多个与numpy数组形状更改/扩展相关的产品和服务，包括但不限于：
- 腾讯云弹性MapReduce（EMR）：腾讯云EMR是一种大数据处理和分析的云服务，可以方便地进行数据的重塑和转换操作。详情请参考：腾讯云EMR产品介绍
- 腾讯云数据万象（CI）：腾讯云CI是一种图像处理和分析的云服务，可以方便地调整图像的大小和通道数。详情请参考：腾讯云CI产品介绍
- 腾讯云数据分析（DA）：腾讯云DA是一种大数据分析和可视化的云服务，可以方便地进行数据的重塑、转置、展平等操作。详情请参考：腾讯云DA产品介绍
希望以上信息能对您有所帮助。
相关·内容
1回答
由于某种原因，numpy报告了没有行数的一维numpy数组的形状。一个包含784个元素的numpy数组的形状为：(784,)。这是一个问题，因为我使用的库期待一个正确的形状属性(例如(784, 1))。
如果我只有一个数组，我可以这样做：train_y = train_y.reshape((train_y.shape[0], 1)，但是有没有一种不用执行for-循环就可以重塑子数组的方法？我有一个有形状的数组
然而，(60000, 784)子数组的形状是(784,)，我希望它们是(784,1)。
浏览 2提问于2015-11-15得票数 0
回答已采纳
当我减去这两个数组时，它返回一个(354,354)形状的数组，因为根据文档，数组的形状不匹配。为什么会发生这种情况，除了numpy.reshape，我还能做些什么呢？
📷
浏览 0提问于2020-09-26得票数 -2
回答已采纳
1回答
numpy广播是如何工作的？
我的理解是：
两个阵列
one = np.random.rand(3,2)
two = np.random.rand(5,10)
为了通过数组one two减去数组one的每个条目，必须首先将数组one的每个条目转换为2d数组，如下所示
one_expanded = one[...,None,None]
然后，one_expanded可以直接减去two，得到预期的结果。
然而，基于我的理解，我无法理解numpy在下面两个示例中是如何工作的。
示例1
one = np.random.rand(3,2,1)
two = np.random.rand(2,10)
(on
浏览 3提问于2020-10-07得票数 0
回答已采纳
1回答
我在Python中有一个函数，它返回形状为numpy.mat的(100, 1)。我在一个循环中调用这个函数4次，并且想要得到得到的4个矩阵，并创建一个形状(100, 4)的矩阵。我曾在numpy.append、numpy.concatenate和numpy.insert找过一段时间，但一直未能做到这一点。
这里是我的一个简短的SSCCE问题
zeros = np.zeros(shape=(100, 4))
for i in range(1, 5):
np.append(zeros, np.empty(shape=(100, 1)))
print(zeros)
其中，zeros应该生成一
浏览 0提问于2017-04-28得票数 0
回答已采纳
嘿，我对numpy数组很陌生，我有一段简短的代码想要理解，我尝试将numpy列表数组转换为numpy数组，
a=np.array([[1,2,3],[3,2,3,4]])
for i in range(len(a)):
if len(a[i])>3:
a[i]=a[i][:3]
a[i]=np.array(a[i])
现在，我检查了a、a和a1的类型，它们都是numpy数组。然后，我打印了a的形状，它是(2,3)，而不是(2,3)，虽然a和a1的长度是相同的，但它是，所以我想知道为什么会发生，以及如何将变量a从一个numpy列表数组转换成一个numpy数组
浏览 4提问于2020-04-19得票数 0
回答已采纳
3回答
我有一个形状数组，如下所示：(162060，2,128)我使用numpy.diff (作为步骤等于1)执行分化，现在分化数组的形状是：(162060，2,127)，我希望通过在每个元素的两个数组的第一列(2,127) -> (2,128)中添加零来实现以前的形状。
我该怎么做？使用numpy.concatenate没有帮助，因为它添加到末尾，我希望零在开头
浏览 2提问于2018-05-08得票数 0
回答已采纳
2回答
以下是问题所在：
给定包含n个元素的numpy数组'a‘，用b表示其唯一值集
按升序表示数组b的大小。您需要创建一个n×m维的numpy数组，其中每一行的值必须为1，如果它等于数组b的给定索引的值，则在其他地方必须为0。
import numpy as np
def convert(a):
b = np.unique(sorted(a))
result = []
for i in a:
result.append((b == i) * 1)
return np.array(result)
a = np.array([1, 1, 2
浏览 0提问于2021-04-07得票数 4
回答已采纳
1回答
高效相减不同形状的numpy数组
、、、、
使用numpy的优秀传播规则，您可以使用以下命令从形状(5,3)数组X中减去形状(3，)数组v
X - v
结果是一个形状(5,3)数组，其中每一行i都是差值X[i] - v。
有没有一种方法可以从X中减去一个形状(n,3)数组w，这样就可以从整个数组X中减去w的每一行，而不需要显式地使用循环？
浏览 1提问于2015-11-13得票数 10
回答已采纳
这里的Python新手来自MATLAB背景。
我有一个1列数组，我想将该列移动到3列数组的第一列中。在MATLAB的背景下，我会这样做：
import numpy as np
A = np.zeros([150,3]) #three column array
B = np.ones([150,1]) #one column array which needs to replace the first column of A
#MATLAB-style solution:
A[:,0] = B
但是，这不起作用，因为A的“形状”是(150,3)，而B的“形状”是(150,1)。很明显，命
浏览 2提问于2017-11-14得票数 2
回答已采纳
在numpy中，一些操作返回形状为(R, 1)的操作，但有些操作返回(R,)。这将使矩阵乘法更加繁琐，因为需要显式的reshape。例如，给定一个矩阵M，如果我们想要执行numpy.dot(M[:,0], numpy.ones((1, R)))，其中R是行数(当然，同样的问题也发生在列上)。我们将得到matrices are not aligned错误，因为M[:,0]是形状(R,)，而numpy.ones((1, R))是形状(1, R)。
所以我的问题是：
形状(R, 1)和(R,)有什么区别？我知道字面上是数字列表和列表列表，其中所有的列表都只包含一个数字。只是想知道为什么不设计nu
浏览 6提问于2014-02-26得票数 410
回答已采纳
1回答
我不能改变numpy数组的形状
dataset[i].shape # (1134, )
dataset[i] = dataset[i].reshape((18, 63))
ValueError: could not broadcast input array from shape (18,63) into shape (1134)
浏览 1提问于2020-12-16得票数 0
回答已采纳
目前，我的代码完全是使用numpy数组np.array编写的。
将m定义为100个值的np.array，m.shape = (100,)。还有一个多维数组，C.shape = (100,100).
我想计算的运算是
m^T * C * m
其中m^T应为形状(1,100)，m为形状(100,1)，C应为形状(100,100)。
我不知道该怎么继续下去。如果我坚持数据类型必须保持为np.arrays，那么我可能需要您numpy.dot()或numpy.tensordot()并指定轴。那就像是
import numpy as np
result = np.dot(C, m)
final = np
浏览 1提问于2015-06-23得票数 4
回答已采纳
谁能解释一下在什么情况下需要重塑axis=0？请参考下面的示例，其中包含给定的numpy数组： a=np.array([1,2,3,4,5,6]) [1,2,3,4,5,6] (重塑如下所示) a1 = np.expand_dims(a, axis=0) [[1,2,3,4,5,6]]
浏览 25提问于2021-02-07得票数 1
2回答
我有一个一维Numpy数组，例如a=10,12,15，我想扩展它，最终得到一个形状为(3,10,15,20)的numpy数组b，填充了a，例如b:,1,1,1是10,12,15。我想过使用np.repeat，但我不清楚该怎么做？
浏览 9提问于2020-11-20得票数 0
回答已采纳
当JIT函数的输入结构基本保持不变时，除了有不同数量的元素的一个轴外，是否有可能避免重新编译JIT函数？
import jax
@jax.jit
def f(x):
print('recompiling')
return (x + 10) * 100
a = f(jax.numpy.arange(300000000).reshape((-1, 2, 2)).block_until_ready()) # recompiling
b = f(jax.numpy.arange(300000000).reshape((-1, 2, 2)).block_until_r
浏览 3提问于2021-11-26得票数 3
回答已采纳
1回答
我有一个名为“MEL”的numpy数组(94824，)。
这些值包含不同形状的数组，如(99, 13)，(54，13) (87，13)。我想用零填充小于(99,13)的数组，或者更好地填充该数组的平均值。
MEL = numpy.ndarray and
for i in MEL: i = <class 'numpy.ndarray'> (i.shape = 99, 13) except for the ones that need to be filled
for j in i: j = <class 'numpy.ndarray'>
到
浏览 1提问于2018-12-14得票数 0
回答已采纳
设矩阵a，b为(1x4)维数的1，2，3，4。
在应用numpy.dot(a，b)时，结果是30，而不是引发两个矩阵形状不对齐的异常。
( can )矩阵如何与(Can)矩阵相乘？numpy是否会自动转换一个矩阵来对齐它们的形状，然后再进行乘法？
浏览 1提问于2015-03-11得票数 2
回答已采纳
3回答
我有一个形状为(1429,1)的numpy数组，其中每一行本身都是一个形状为(3,100)的numpy数组，其中l可以随行而变化。如何通过展平每一行来重塑此数组的形状，以使生成的numpy数组具有(1429, 300)形状
浏览 1提问于2017-10-15得票数 1
我使用的是一个人体姿态估计模型，它可以生成形状为[p k h w]的姿态热图，其中p是帧中的人数，k是关键点的数目(如头部、手等)。休息是高度和宽度。我使用numpy.save将这个numpy保存到磁盘上，一切看起来都很好。我运行这个模型的大约15K视频(约100万帧，总数)，我发现在某些情况下(仅10-15帧的百万)保存的文件有一个形状类似[0 17 96 72]。
我的问题是，
是如何创建和保存维度大小= 0的数组的。在我看来，如果帧中没有人，热图数组就应该是0，而不是维数=0的数组。现在该模型已经在15K视频上运行，重新运行很费时，有没有办法将形状[0 17 96 72]数组转换为[1
浏览 3提问于2022-11-09得票数 0
1回答
最近，我面临着np.array(list)转换的问题。假设我们有一个具有(x, y), (x, y), (x, z)形状的3个numpy 2D数组的列表，这样对于列表中的所有数组，shape[0]都是相同的。在这种情况下，将数组转换为
ValueError:无法将输入数组从形状(x，z)广播到形状(x)
Numpy尝试创建和数组形状(3, x, y)，而不是留下类似列表的结构(不同数组的数组)。如果至少有一个shape[0]与另一个不同，我们就得到了我们想要的数组，数组的形状为(3,)。
我通过添加一个不同类型的元素来解决这个问题，并使用了np.array(list)[:-1]。那么，
浏览 3提问于2016-02-16得票数 3
3回答
我有一个Numpy阵列的形状(5,5,3,2)。我想取这个矩阵的元素(1,4)，它也是一个形状(3,2)的矩阵，并向它添加一个元素-so，它变成了一个(4,2)数组。我使用的代码如下：
import numpy as np
a = np.random.rand(5,5,3,2)
a = np.array(a, dtype = object) #So I can have different size sub-matrices
a[2][3] = np.append(a[2][3],[[1.0,1.0]],axis=0) #a[2][3] shape = (3,2)
我总是犯错误：
ValueE
浏览 0提问于2016-07-20得票数 2
回答已采纳
我正在尝试使用PIL读取图像文件，然后以numpy数组的形式获取原始像素值，然后尝试将这些值组合在一起以形成原始图像的副本。代码不会产生任何运行时错误，但是形成的图像("my.png")是不可读的。
from PIL import Image
import numpy as np
img_filename = "image.png"
img = Image.open(img_filename)
img = img.convert("RGB")
img.show()
aa = np.array(img.getdata())
alpha = I
浏览 0提问于2018-02-17得票数 0
我试图执行一段代码，但得到了这个值错误。Source.pkl文件包含100个元素，如下面的array.png所示。
如图所示，索引0有16个numpy数组，它们都具有形状(1，59)，因此，第一个元素具有形状( 16 ,1,59)。在索引1中，有11个numpy数组，它们的形状都是(1，59)，所以，对于其他元素，现在第二个元素的形状也是( 11 ,1,59)等等。
如何使所有的数组都具有相同的形状？
import numpy as np
from keras.layers import Input, LSTM, Dense
from keras.models import Model
浏览 0提问于2018-06-20得票数 2
回答已采纳
我有不同的.npy文件，其中有保存的numpy数组(或者表示为矩阵的图像，维数= 64，另一个我不知道)。
我想读取它们，将它们存储在3维的numpy.ndarray中。
到目前为止，我所做的是非常不同的事情，我在处理我创建的结构时遇到了问题。
<code>A0</code>
这样，我就有了一个shape <code>D2</code>的numpy.ndarray <code>D1</code>。
让我们假设我将每个图像重塑为(n，64)，我希望<code>D3</code>的形状为<code
浏览 16提问于2020-03-15得票数 0
回答已采纳
1回答
当我使用numpy arange函数构建numpy数组时，使用shape检查时大小不正确。例如，如果我构建一个数组: np.arange(-5,6,1 )，形状是(11，)。然而，当我构建array:np.arange(-0.001,0.0011,0.0001)时，形状是(22，) 使用np.array.shape查找形状
浏览 16提问于2020-01-11得票数 1
回答已采纳
我正在计算一个神经网络的代价函数。我对从numpy.dot得到的(1,1)答案执行numpy.squeeze。然后我得到一个形状为(0,1)的ndarray。
什么是形状()的ndarray，形状(1，)的ndarray与形状(5)的ndarray有什么不同？
浏览 0提问于2017-08-24得票数 4
2回答
我以以下数组为例：
lights = np.array([ [1,0,1], [0,1,1], [0,0,1], [1,1,1] ])
lights[0]返回一个形状：(3,)
lights[0:1]返回一个形状：(1, 3)
我不明白在这种情况下，numpy的逻辑是什么。假设切片是排他性的，0:1类似于。那么，为什么它会影响数组的形状呢？
浏览 1提问于2020-04-20得票数 1
回答已采纳
2回答
我不断地得到这个错误：
(形状(10，1)，(10，)不匹配)
在做NumPy操作的时候，我有点困惑。
(10,1)和(10，)不是相同的形状吗？如果由于任何原因这是无效的，有没有方法将(10,1)转换为(10，)？我似乎在NumPy加倍中找不到它。
谢谢
浏览 1提问于2016-02-04得票数 4
3回答
例如，我有一个numpy数组数组：
x = np.array([[1,2,3],[10,20,30]])
现在假设我想用4,40扩展每个数组，以生成以下结果数组：
[[1,2,3,4],[10,20,30,40]]
在不复制整个数组的情况下，我如何做到这一点？我试图更改数组的形状，但它抛出了一个ValueError：
x[0] = np.append(x[0],4)
x[1] = np.append(x[1],40)
ValueError : could not broadcast input array from shape (4) into shape (3)
浏览 0提问于2018-11-21得票数 1
回答已采纳
下面是一个例子
import numpy as np
ds = np.random.rand(1600, 133)
def sigmoid(z):
s = 1 / (1 + (1 / np.exp(z)))
return s
np.apply_along_axis(sigmoid, 0, ds).shape
输出
(1600, 133)
我希望看到形状(133,)的结果。numpy以某种方式决定这个函数不能应用于列(?)或者我使用它有什么不对？
浏览 1提问于2017-09-24得票数 0
回答已采纳
给予：
M模型，每个模型都带有一个predict函数，该函数接受形状n_samples、n_features的numpy数组，并返回一个形状n_samples数组，如果模型表示yes，则该数组包含1，否则为0。
形状n_samples，n_features的X数据点
预期输出:对于每个数据点，有多少模型发出是的。
out = np.zeros((n, m))
for i, m in enumerate(m_models):
out[:, i] = m.predict(X) # Doesn't seem to work
scores = np.mean(ou
浏览 0提问于2018-08-14得票数 0
回答已采纳
我使用形状m * n或m行和n列的输入矩阵。我希望计算所有可能的列组合的元素乘积。因此，我需要输出一个形状m * n*n的矩阵。
更具体地说，假设我的输入矩阵有列[c1, c2, c3 ... cn]。我的输出矩阵应该类似于[c1*c1 c1*c2 ... c1*cn c2*c1 c2*c2 ... cn*cn]，其中ci*cj是表示向量ci和cj按元素方向乘法的向量。
我不想使用for循环，而是使用numpy API寻找一种简洁的方法来实现这一点。
浏览 3提问于2017-06-23得票数 1
回答已采纳
1回答
Numpy高级索引混乱
、、、、
如果a是形状的numpy阵列(5,3)，b是形状(2,2)，c是形状(2,2)，ab，c的形状是什么？
有人能给我举个例子解释一下吗。我读过这些文档，但仍然无法理解它是如何工作的。
浏览 1提问于2018-07-15得票数 2
回答已采纳
我正在将一个同事的IDL代码重写成python，并提出了一些让我感到困惑的差异。根据我发现的其他SO问题和邮件列表线程，如果你使用scipy.ndimage.interpolation.map_coordinates并指定order=1，它应该做双线性插值。在比较IDL代码(在GDL中运行)和python (map_coordinates)之间的结果时，我得到了不同的结果。然后我尝试使用mpl_toolkits.basemap.interp，我得到了与IDL代码相同的结果。下面是一个简单的例子，展示了哪里出了问题。谁能帮我找出我在map_coordinates上做错了什么，或者order=1不
浏览 2提问于2013-02-25得票数 5
回答已采纳
3回答
如何将numpy数组切分到形状之外，以便在不将整个数组存储在内存中的情况下重复数组中的值？这是我想要做的： x = numpy.array([[1, 2], [3, 4]])
x[0:3, 0:3]
->
[[1, 2, 1, 2],
[3, 4, 3, 4],
[1, 2, 1, 2],
[3, 4, 3, 4]] 我知道numpy.repeat和numpy.tile，但这两个都是数组的副本，我想像x[1238123:1238143,5328932:5328941]一样对我的数组进行切片，而不需要为较小的数组制作数百万个副本。
浏览 16提问于2020-09-02得票数 2
回答已采纳
1回答
我试图对我的代码进行矢量化/广播(不确定它的正式名称是什么)，以便让它更快，但我不能完全理解它。我认为我应该使用的是numpy.cumsum (带有axis=0)，但我不知道如何(快速)在正确的数组中使用它。
对于这段代码，我想要的基本上是l1的绝对和，用于将l2中的每个元素与l1中的所有数字相加。所以这给出的不是一个答案，而是len(l2)数量的答案。下面的(非矢量化)代码给出了正确的输出。
# l1 and l2 are numpy arrays
for i in l2:
l1 += i
answer = numpy.sum(numpy.ab
浏览 1提问于2015-10-21得票数 0
有时，诸如语音数据等数据具有已知数量的观察(n)、未知持续时间和已知数量的测量(k)。
在NumPy中的2D情况中，很明显，具有已知数目的观测(n)和未知持续时间的数据是如何用形状为(n, )的ndarray表示的。例如：
import numpy as np
x = np.array([ [ 1, 2 ],
[ 1, 2, 3 ]
])
print(x.shape) ### Returns: (2, )
对于NumPy中的3D案例，我们可以有一个形状为(n, , k)的ndarray，这与此等价吗？对此，我能想到的最好的选择是拥有一
浏览 0提问于2019-04-07得票数 0
回答已采纳
1回答
大家好，我需要用户输入的numpy与形状(无，4,500)，那么，我有什么办法呢？
因为当我打印numpy.shape时，我得到了()
而我需要形状(4,500)和它是什么样的形状？
以及用户如何使用上面的形状输入numpy
我有这个，但是打印()
X_test = np.argmax('input')
print(X_test.shape)
这是否意味着X_test没有形状或者形状没有声明？
浏览 0提问于2020-02-25得票数 0
我知道在Python里，
[1,2,3][0:2]=7
不工作，因为右侧必须是可迭代的。
然而，同样的情况也适用于NumPy ndarray：
a=np.array([1,2,3])
a[0:2]=9
a
这是否与广播相同的机制呢？在上，据说广播只适用于算术运算。
浏览 0提问于2019-08-03得票数 2
回答已采纳
我的数据是关于基因组序列的，基本上是一个长串的"AAATTGCCAA...AA“。总数据为1100个，这意味着总共有1100个行，每一行的长度为29907 。总共有5个目标值。
我将数据转换为浮点值的NumPy数组。我的数据的形状是train_data.shape: (1100,29907)。在这里，我的数据在转换成NumPy数组后如何处理，如下所示：
array([[1. , 0.25, 0.25, ..., 0. , 0. , 0. ],
[0.75, 0.5 , 0.5 , ..., 0. , 0. , 0. ],
[1. , 0.75
浏览 2提问于2021-06-24得票数 1
回答已采纳
1回答
我正在努力解决一个我不能去工作的问题！我目前正在使用Tensorflow，并通过basic tutorials进行工作。 正如您在本教程中看到的，神经网络模型需要一个形状为(60000, 28, 28)的train_images Numpy数组，因为在本教程的训练集中有60,000个大小为28x28的图像。我正在阅读Flavia-dataset，它是一组树叶的图片。训练集由1588张图片组成，分辨率为300x300px。下面是我的代码： for root, dirs, files in os.walk(pathname_data):
for name in files:
img =
浏览 13提问于2019-01-29得票数 0
回答已采纳
我以前使用过python，但是由于某种原因没有注意到这个问题。在我正在编写的当前代码中，我经常需要使用numpy模块生成数组：
-np.random.uniform(0,1,n)或np.random.normal(0,0.1,n)
-np.asarray([1,2,3])
然而，我很难将这些运算与其他运算结合起来，例如矩阵乘法。使用np.shape()，我发现它们的输出是(n,)，(3,)，也就是它们具有未定义的第二维。
我的问题是：
为什么是这种情况？它在任何情况下都有用吗？为什么不让它成为(n,1)
目前，我经常使用numpy.reshape()将形状(n,)转换为(n,1)。是否
浏览 0提问于2019-07-05得票数 0
回答已采纳
我有一个带有bool元素的numpy数组boo_array。下面是我是如何生成它的
> a = np.ndarray([2, 1])
> boo_array = a>1
> print(boo_array)
[[False]
[False]]
我检查元素的类型
> print(type(boo_array[0]))
> print(type(boo_array[0][0]))
<class 'numpy.ndarray'>
<class 'numpy.bool_'>
我看到第一个元素[False]是
浏览 1提问于2022-07-05得票数 0
1回答
在numpy数组上迭代时的平均
、、、、
我有一个名为MEL of shape (94824 )的数据集，其中大多数实例都具有形状(99，13)，但有些实例的形状较小。它由(浮动) MEL频率组成。我试着把所有的值都放在一个空的数字矩阵中(94824，99，13)。所以有些实例是空的。有什么建议吗？
MEL type = numpy.ndarray
for i in MEL type(i) = <class 'numpy.ndarray'>
for j in i type (j) = <class 'numpy.ndarray'>
浏览 0提问于2018-12-11得票数 1
回答已采纳
4回答
我有一个带有形状(1000,)的一维numpy数组X。我想注入随机(均匀)放置10个随机(正常)值，从而获得形状(1010,)的numpy数组。如何在矮胖中有效地做到这一点？
浏览 0提问于2020-10-25得票数 5
回答已采纳
例如：
import numpy as np
a = np.array([[[1,2,3],[1,2,3]],[[4,5,6],[7,8,7]]])
print(a.shape)
# (2, 2, 3)
因此，在每2d网格(在上面的例子中有3个网格)上，我想要计算平均值：
mean = [np.mean(a[:, :, i]) for i in range(3)]
print(mean)
# [3.25, 4.25, 4.75]
在numpy中有一种方法可以实现这一点吗？
我试着在轴上使用平均值，但结果并不像预期的那样。
浏览 1提问于2020-01-12得票数 0
回答已采纳
1回答
我最近开始了裸体运动，注意到了一件奇怪的事情。
import numpy as np
a = np.array([[1,2,3], [4,5,9, 8]])
print a.shape, "shape"
print a[1, 0]
在这种情况下，形状是2L。但是，如果我以a = np.array([[1,2,3], [4,5,6]]的形式创建了一个一致的numpy数组，那么a.shape就会给出(2L, 3L)。我知道非均匀数组的形状很难用元组表示。
此外，我之前创建的非均匀数组的print a[1,0]提供了一个跟踪IndexError: too many indices f
浏览 1提问于2017-05-02得票数 2
回答已采纳
1回答
我有一个名为a的numpy int32数组，它的形状为(4, 8, 3)。我想将这个数组调整为(4, 12, 3)大小的数组。我该怎么做？
我尝试过使用reshape，但reshape要求数组的大小相同。
浏览 2提问于2012-11-24得票数 4
回答已采纳
感谢任何在下面有捷径来帮助你的人。提前谢谢。
下面是一个具有16个元素和形状(16，)的一维numpy数组
[' 5, 5, 5, 5, 0 ' ' 3, 3, 0, 5, 3, 5 ' ' 4, 4, 4, 0, 6, 4 ' ' 4, 4, 4, 0, 6, 4 ' ' 2, 5, 2, 5, 0, 5 ' ' 2, 5, 5, 5, 0, 5 ' ' 3, 3, 0, 5, 3, 3 ' ' 6, 4, 4, 0, 6, 4 ' ' 4, 4, 4, 0
浏览 0提问于2020-06-19得票数 0
2回答
我想从numpy列中减去给定的值。例如，给定一个二维矩阵，我想从给定的列中减去一个任意值。
我知道这可以通过以下代码来实现：
numpy_matrix[:, 0] -= my_value
基本上是从0列减去my_value。
我想做的是：
result = numpy_matrix[:,0] - my_value
其中result的原始形状为numpy_matrix，而不是单个向量。例如，如果是numpy_matrix.shape=(4,3)，使用上面的代码，我将得到result.shape=(4,)。
我想要做的是从选定的列中减去我的值，并返回一个矩阵，该矩阵具有与原始列(numpy_mat
浏览 1提问于2021-01-17得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
