NumPy - 数组形状

NumPy 数组形状

NumPy 数组的形状是一个整数元组。元组中的每个整数表示数组沿特定维度或轴的大小。例如，形状为 (3, 4) 的数组有 3 行和 4 列。

• 对于 2D 数组，形状是一个包含两个元素的元组：行数，列数。
• 对于 3D 数组，形状是一个包含三个元素的元组：深度，行数，列数。
• 更高维数组遵循相同的模式，每个维度的大小在元组中表示为一个额外元素。

访问数组形状

您可以使用 shape 属性访问 NumPy 数组的形状。此属性返回一个整数元组，每个整数表示数组沿特定维度的大小。

示例

在以下示例中，我们创建了一个 2D 数组，并使用 NumPy 的 "shape" 属性获取其形状 −

import numpy as np

# 创建一个 2D 数组
array = np.array([[1, 2, 3], [4, 5, 6]])

# 访问形状
print("Shape of the array:", array.shape)
print("Number of dimensions:", array.ndim)
print("Total number of elements:", array.size)

形状 (2, 3) 表示该数组有 2 行和 3 列。它是一个二维数组 −

Shape of the array: (2, 3)
Number of dimensions: 2
Total number of elements: 6

改变数组形状

改变 NumPy 数组的形状指的是在不更改其数据的情况下转换数组的维度。例如，可以将一维数组重塑为二维数组，反之亦然，只要总元素数量保持不变即可。

在 NumPy 中重塑数组，我们使用 reshape() 函数。此函数如果可能，会返回具有指定形状的数组的新视图。如果无法使用视图进行重塑，则会创建数组的副本。

示例

在这个示例中，我们通过向 Numpy reshape() 函数传递 "-1" 作为参数，将 2D 数组的形状更改为 1D 数组。这会自动推断一个维度的大小 −

import numpy as np

# 创建一个 2D 数组
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
print("Original 2D array:\n", array_2d)

# 重塑为 1D 数组
array_flattened = array_2d.reshape(-1)
print("Flattened to 1D array:", array_flattened)

这将产生以下结果 −

Original 2D array:
[[1 2 3]
 [4 5 6]]
Flattened to 1D array: [1 2 3 4 5 6]

处理 Reshape 错误

在 NumPy 中，有时如果使用不当，重塑数组可能会导致错误。此错误发生在尝试将数组重塑为与数组总元素数量不兼容的形状时。

重塑时，总元素数量必须保持不变。如果 reshape 操作与总元素数量不兼容，NumPy 将引发 ValueError。

示例：不兼容形状错误

不兼容形状错误 发生在尝试将数组重塑为与数组总元素数量不兼容的形状时。

在下面的示例中，原始数组有 12 个元素。将它重塑为形状 "(3, 5)" 需要 15 个元素，这会导致 ValueError −

import numpy as np

# 创建一个包含 12 个元素的数组
array = np.arange(12)

# 尝试重塑为需要更多元素的形状
try:
   reshaped_array = array.reshape((3, 5))
except ValueError as e:
   print("Error:", e)

以上代码的输出如下 −

Error: cannot reshape array of size 12 into shape (3,5)

示例：负维度错误

在 reshape 维度中使用 -1 会告诉 NumPy 自动计算该维度的大小。但是，如果剩余维度与总元素数量不匹配，将引发错误 −

import numpy as np

# 创建一个包含 10 个元素的数组
array = np.arange(10)

# 尝试使用不兼容的自动维度进行重塑
try:
   reshaped_array = array.reshape((2, -1, 4))
except ValueError as e:
   print("Error:", e)

获得的输出如下所示 −

Error: cannot reshape array of size 10 into shape (2,newaxis,4)

示例：不正确的维度指定

指定不正确或非整数的维度值（例如，除了 -1 以外的负值，或非整数）可能会导致错误 −

import numpy as np

# 创建一个包含 16 个元素的数组
array = np.arange(16)

# 尝试使用无效维度进行重塑
try:
   reshaped_array = array.reshape((4, 4.5))
except ValueError as e:
   print("Error:", e)

执行以上代码后，我们得到以下输出 −

Traceback (most recent call last):
  File "/home/cg/root/669f5fd83ed84/main.py", line 8, in <module>
reshaped_array = array.reshape((4, 4.5))
TypeError: 'float' object cannot be interpreted as an integer