Hvordan du bruker python numpy reshape -funksjon

Numpy Library har mange funksjoner å jobbe med den flerdimensjonale matrisen. RESHAPE () -funksjon er en av dem som brukes til å endre formen på et eksisterende utvalg uten å endre dataene. Formen definerer det totale antall elementer i hver dimensjon. Arrayens dimensjon kan legges til eller fjernes, og antall elementer i hver dimensjon kan endres ved å bruke RESHAPE () -funksjonen. Den endimensjonale matrisen kan konverteres til en flerdimensjonal matrise, men den flerdimensjonale matrisen kan ikke konverteres til en endimensjonal matrise med denne funksjonen. Hvordan omforme () funksjon fungerer og bruken av den blir forklart i denne opplæringen.

Syntaks

Syntaksen til omformet () -funksjonen er gitt nedenfor.

np_array numpy.omform (np_array, new_shape, order = 'c')

Denne funksjonen kan ta tre argumenter. De første og andre argumentene er obligatoriske, og det tredje argumentet er valgfritt. En numpy matrise er verdien av det første argumentet (np_array) som vil bli omformet. Formen på matrisen er satt som det andre argumentet (new_shape) verdi som kan være et heltall eller en tupel av heltall. Arrayens ordre er satt av det tredje argumentet (rekkefølge) Verdi som brukes til å definere elementets plassering av den omformede matrisen. Det tredje argumentets verdi kan være 'C'Eller'F'Eller'EN.'Bestillingsverdien'C'brukes til C-stil indeksbestilling der den siste akseindeksen endres raskere og den første akseindeksen endres saktere. Ordreverdien 'F'Brukes til å bestille førtran-stil der den første aksen indeksen endres raskere og den siste Axis-indeksen endres saktere. Både 'C'Og'F'Bestillinger bruker ikke minne. Ordreverdien, 'EN'fungerer som'F,'Men den bruker minne.

Bruk av omforming () -funksjon:

Du må installere Numpy -biblioteket før du øver på eksemplene på denne opplæringen. Ulike bruksområder av omformet () -funksjonen har vist i den delen av denne opplæringen.

Eksempel-1: Konverter endimensjonal matrise til todimensjonal matrise

Følgende eksempel viser omformet () -funksjonen for å konvertere en endimensjonal numpy matrise til en todimensjonal numpy matrise. Arange () -funksjonen brukes i skriptet for å lage en endimensjonal rekke 10 elementer. Den første omformet () -funksjonen brukes til å konvertere den endimensjonale matrisen til det todimensjonale utvalget av 2 rader og 5 kolonner. Her kalles RESHAPE () -funksjonen ved å bruke modulnavnet, np. Den andre omformet () -funksjonen brukes til å konvertere den endimensjonale matrisen til det todimensjonale utvalget av 5 rader og 2 kolonner. Her kalles omformet () -funksjonen ved å bruke den numpy matrise som er navngitt np_array.

# Importer numpy
Importer numpy som NP
# Opprett en numpy rekke rekkeviddeverdier
np_array = np.Arange (10)
# Skriv ut Numpy Array -verdiene
Print ("Verdiene til Numpy Array: \ n", np_array)
# Omskape matrisen med 2 rader og 5 kolonner
new_array = np.omformet (np_array, (2, 5))
# Skriv ut de omformede verdiene
print ("\ n the omformet matrise med 2 rader og 5 kolonner: \ n", new_array)
# Omforme matriser med 5 rader og 2 kolonner
new_array = np_array.omforme (5, 2)
# Skriv ut de omformede verdiene
print ("\ n the omformet matrise med 5 rader og 2 kolonner: \ n", new_array)

Produksjon:

Følgende utgang vises etter å ha utført skriptet ovenfor. Den første utgangen viser hovedmatrisen. Den andre og tredje utgangen viser den omformede matrisen.

Eksempel-2: Konverter endimensjonal matrise til tredimensjonal matrise

Følgende eksempel viser omformet () -funksjonen for å konvertere en endimensjonal numpy matrise til en tredimensjonal numpy matrise. Array () -funksjonen brukes i skriptet for å lage en endimensjonal matrise med 12 elementer. Reshape () -funksjon brukes til å konvertere den opprettede endimensjonale matrisen til den tredimensjonale matrisen. Her kalles omformet () -funksjonen ved å bruke den numpy matrise som er navngitt np_array.

# Importer numpy
Importer numpy som NP
# Opprett en numpy matrise ved hjelp av liste
np_array = np.Array ([7, 3, 9, 11, 4, 23, 71, 2, 32, 6, 16, 2])
# Skriv ut Numpy Array -verdiene
Print ("Verdiene til Numpy Array: \ n", np_array)
# Lag en tredimensjonal matrise fra en endimensjonal matrise
new_array = np_array.omforme (2, 2, 3)
# Skriv ut de omformede verdiene
print ("\ n the omformet 3D -arrayverdier er: \ n", new_array)

Produksjon:

Følgende utgang vises etter å ha utført skriptet ovenfor. Den første utgangen viser hovedmatrisen. Den andre utgangen viser den omformede matrisen.

Eksempel-3: Omski numpy matrise basert på bestilling

Følgende eksempel viser omformet () -funksjonen for å konvertere en endimensjonal numpy matrise til en todimensjonal numpy matrise med forskjellige typer bestillinger. Arange () -funksjonen brukes i skriptet for å lage en endimensjonal rekke 15 elementer. Den første omformet () -funksjonen brukes til å lage en todimensjonal rekke 3 rader og 5 kolonner med C-stil bestilling. Den andre omformingen () -funksjonen brukes til å lage en todimensjonal rekke 3 rader og 5 kolonner med bestilling av FORTRAN-stil.

# Importer numpy
Importer numpy som NP
# Opprett en numpy rekke rekkeviddeverdier
np_array = np.Arange (15)
# Skriv ut Numpy Array -verdiene
Print ("Verdiene til Numpy Array: \ n", np_array)
# Omskape matrisen basert på bestilling av C-stil
new_array1 = np.omform (np_array, (3, 5), ordre = 'c')
# Skriv ut de omformede verdiene
print ("\ n the omformet 2D-arrayverdier basert med C-stil bestilling er: \ n", new_array1)
# Omskape matrisen basert på bestilling av Forran-stil
new_array2 = np.omform (np_array, (3, 5), ordre = 'f')
# Skriv ut de omformede verdiene
print ("\ n the omformet 2D-array verdier-basert med Forran-stil bestilling er: \ n", new_array2)

Produksjon:

Følgende utgang vises etter å ha utført skriptet ovenfor. Den første utgangen viser hovedmarrayen av verdier. Den andre utgangen viser matriseverdiene med radbasert bestilling. Den tredje utgangen viser matriseverdiene med kolonnebasert bestilling.

Konklusjon

Måtene å konvertere matrisen fra en form til en annen form ved å bruke RESHAPE () -funksjonen er beskrevet i denne opplæringen. Hensikten med å bruke RESHAPE () -funksjonen vil bli fjernet etter å ha praktisert eksemplene på denne opplæringen, og leserne vil kunne bruke denne funksjonen i Python -skriptet.