J'ai une question concernant la conversion entre les tableaux de dimensions (N,) et les tableaux de dimensions (N, 1). Par exemple, y est la dimension (2,).
A=np.array([[1,2],[3,4]])
x=np.array([1,2])
y=np.dot(A,x)
y.shape
Out[6]: (2,)
Mais ce qui suit montre que y2 est une dimension (2,1).
x2=x[:,np.newaxis]
y2=np.dot(A,x2)
y2.shape
Out[14]: (2, 1)
Quel serait le moyen le plus efficace de reconvertir y2 en y sans copier?
Merci, Tom
reshape
travaille pour cela
a = np.arange(3) # a.shape = (3,)
b = a.reshape((3,1)) # b.shape = (3,1)
b2 = a.reshape((-1,1)) # b2.shape = (3,1)
c = b.reshape((3,)) # c.shape = (3,)
c2 = b.reshape((-1,)) # c2.shape = (3,)
notez également que reshape
ne copie pas les données sauf si cela est nécessaire pour la nouvelle forme (ce qui n'est pas nécessaire ici):
a.__array_interface__['data'] # (22356720, False)
b.__array_interface__['data'] # (22356720, False)
c.__array_interface__['data'] # (22356720, False)
Utilisez numpy.squeeze
:
>>> x = np.array([[[0], [1], [2]]])
>>> x.shape
(1, 3, 1)
>>> np.squeeze(x).shape
(3,)
>>> np.squeeze(x, axis=(2,)).shape
(1, 3)
Découpez la dimension souhaitée, comme dans l'exemple ci-dessous. Pour inverser la tendance, vous pouvez utiliser None
comme tranche pour toute dimension devant être traitée comme une dimension singleton, mais nécessaire pour que les formes fonctionnent.
In [786]: yy = np.asarray([[11],[7]])
In [787]: yy
Out[787]:
array([[11],
[7]])
In [788]: yy.shape
Out[788]: (2, 1)
In [789]: yy[:,0]
Out[789]: array([11, 7])
In [790]: yy[:,0].shape
Out[790]: (2,)
In [791]: y1 = yy[:,0]
In [792]: y1.shape
Out[792]: (2,)
In [793]: y1[:,None]
Out[793]:
array([[11],
[7]])
In [794]: y1[:,None].shape
Out[794]: (2, 1)
Vous pouvez également utiliser reshape
:
In [795]: yy.reshape((2,))
Out[795]: array([11, 7])
la traduction opposée peut être faite par:
np.atleast_2d(y).T