Numpy:数组的范围创建/变形/转置/展平

NumPy 数组操作详解与考试重点

NumPy 是 Python 中用于科学计算的核心库之一,特别是在数组操作方面非常强大。本文将通过一个简单的 NumPy 代码示例,详细解析数组的创建、变形和展平操作,同时指出在学习和考试中容易忽视的重点。

代码解析

以下是代码的逐行分析:

python 复制代码
# 导入 NumPy 模块
import numpy as np

# 创建一维数组 [0 1 2 3 4 5 6 7 8 9 10 11]
a1 = np.arange(12)

# 将一维数组变形为 3 行 4 列的二维数组
a2 = a1.reshape(3, 4)

# 将一维数组变形为 4 行 3 列的二维数组
a3 = a1.reshape(4, 3)

# 转置操作
a4 = a3.T

# 展平操作(将多维数组变为一维)
a5 = a4.flatten()

# 输出结果
print(a1)
print(a2)
print(a3)
print(a4)
print(a5)

输出结果

运行上述代码后,输出如下:

  • a1[ 0 1 2 3 4 5 6 7 8 9 10 11]

  • a2

    lua 复制代码
    [[ 0  1  2  3]
     [ 4  5  6  7]
     [ 8  9 10 11]]
  • a3

    lua 复制代码
    [[ 0  1  2]
     [ 3  4  5]
     [ 6  7  8]
     [ 9 10 11]]
  • a4a3 的转置):

    lua 复制代码
    [[ 0  3  6  9]
     [ 1  4  7 10]
     [ 2  5  8 11]]
  • a5(展平后的结果):[ 0 1 2 3 4 5 6 7 8 9 10 11]

代码功能详解

  1. 创建数组:np.arange(12)

    • np.arange(12) 创建一个从 0 到 11 的一维数组,步长为 1。
    • 这是 NumPy 中常用的数组生成方法,类似于 Python 的 range(),但返回的是一个 NumPy 数组。
  2. 数组变形:reshape()

    • a2 = a1.reshape(3, 4) 将一维数组 a1 变形为 3 行 4 列的二维数组。
    • a3 = a1.reshape(4, 3) 将一维数组 a1 变形为 4 行 3 列的二维数组。
    • 注意:reshape() 要求新形状的元素总数必须与原数组一致(这里是 12)。
  3. 转置操作:.T

    • a4 = a3.T 对数组 a3 进行转置操作,将 4 行 3 列的数组变为 3 行 4 列。
    • 转置操作会交换数组的行和列。
  4. 展平操作:flatten()

    • a5 = a4.flatten() 将多维数组 a4 展平为一维数组。
    • 展平后的结果与原始数组 a1 相同。

考试中容易忽视的重点

在学习 NumPy 数组操作时,以下几点是考试中容易忽视的重点:

  1. 数组形状的匹配问题

    • 使用 reshape() 时,新形状的元素总数必须与原数组一致。例如,a1 有 12 个元素,因此可以变形为 (3, 4)(4, 3),但不能变形为 (3, 5)(因为 3×5=15,不匹配)。
    • 考试陷阱:如果题目要求将数组变形为不匹配的形状,可能会导致错误。需要熟练计算元素总数。
  2. 转置操作的理解

    • 转置操作 .T 会交换数组的行和列。例如,a3 是 4 行 3 列,转置后变为 3 行 4 列。
    • 容易忽视:转置操作对一维数组无效(因为一维数组没有行列概念)。如果题目中涉及一维数组的转置,可能会让人误以为会有变化。
  3. 展平操作的两种方法

    • 代码中使用了 flatten(),但 NumPy 还提供了 ravel() 方法,两者都能将多维数组展平为一维。
    • 区别flatten() 总是返回一个新的数组(深拷贝),而 ravel() 返回的是视图(浅拷贝),如果原数组发生变化,ravel() 的结果也可能随之改变。
    • 考试重点 :题目可能会要求区分 flatten()ravel() 的行为,尤其是在内存管理和性能优化方面。
  4. 数组的视图与拷贝

    • reshape().T 返回的通常是视图(view),而不是新数组。这意味着对 a2a3 的修改可能会影响原始数组 a1
    • 容易忽视 :如果题目要求修改变形后的数组,同时保持原数组不变,需要使用 .copy() 创建一个深拷贝。
  5. 数组的维度和形状

    • 理解数组的形状(shape)和维度(ndim)非常重要。例如,a1 是一维数组,a2 是二维数组。
    • 考试陷阱:题目可能会要求输出数组的形状或维度,或者在变形操作后判断新数组的形状。

总结

通过上述代码,我们学习了 NumPy 中数组的创建、变形、转置和展平操作。这些操作是 NumPy 的核心功能,在数据处理和科学计算中非常常见。在考试中,重点关注数组形状的匹配、转置操作的适用场景、flatten()ravel() 的区别,以及视图与拷贝的概念。熟练掌握这些知识点,可以帮助你在考试中避免常见错误,取得更好的成绩。

相关推荐
小杨40437 分钟前
springboot框架项目实践应用十五(扩展sentinel区分来源)
spring boot·后端·spring cloud
FirstMrRight1 小时前
自动挡线程池OOM最佳实践
java·后端
程序员清风1 小时前
Redis Pipeline 和 MGET,如果报错了,他们的异常机制是什么样的?
java·后端·面试
审计侠2 小时前
Go语言-初学者日记(四):包管理
开发语言·后端·golang
Aska_Lv2 小时前
Linux---jstat命令的作用
后端
嘻嘻哈哈开森2 小时前
从零开始学习模型蒸馏
人工智能·后端
DataFunTalk3 小时前
大模型时代数据科学岗位的未来思考
前端·后端·算法
阮瑭雅3 小时前
Java语言的Web安全
开发语言·后端·golang
编程乐趣3 小时前
UnitOfWork:一个支持多数据库,工作单元模式、支持分布式事务以及支持 MySQL 多数据库/表分片的开源项目
后端