修改数组维度 维度 描述 broadcast 产生模仿广播的对象 broadcast_to 将数组广播到新形状 expand_dims 扩展数组的形状 squeeze 从数组的形状中删除一维条目 numpy.broadcast numpy.broadcast 用于模仿广播
修改数组维度
维度
描述
broadcast
产生模仿广播的对象
broadcast_to
将数组广播到新形状
expand_dims
扩展数组的形状
squeeze
从数组的形状中删除一维条目
numpy.broadcast
numpy.broadcast 用于模仿广播的对象，它返回一个对象，该对象封装了将一个数组广播到另一个数组的结果。
该函数使用两个数组作为输入参数，如下实例：
实例
import numpy as np
x = np.array([[1], [2], [3]])
y = np.array([4, 5, 6])
# 对 y 广播 x
b = np.broadcast(x,y)
# 它拥有 iterator 属性，基于自身组件的迭代器元组
print ('对 y 广播 x：')
r,c = b.iters
# Python3.x 为 next(context) ，Python2.x 为 context.next()
print (next(r), next(c))
print (next(r), next(c))
print ('\n')
# shape 属性返回广播对象的形状
print ('广播对象的形状：')
print (b.shape)
print ('\n')
# 手动使用 broadcast 将 x 与 y 相加
b = np.broadcast(x,y)
c = np.empty(b.shape)
print ('手动使用 broadcast 将 x 与 y 相加：')
print (c.shape)
print ('\n')
c.flat = [u + v for (u,v) in b]
print ('调用 flat 函数：')
print (c)
print ('\n')
# 获得了和 NumPy 内建的广播支持相同的结果
print ('x 与 y 的和：')
print (x + y)对 y 广播 x：
1 4
1 5
广播对象的形状：
(3, 3)
手动使用 broadcast 将 x 与 y 相加：
(3, 3)
调用 flat 函数：
[[5. 6. 7.]
[6. 7. 8.]
[7. 8. 9.]]
x 与 y 的和：
[[5 6 7]
[6 7 8]
[7 8 9]]numpy.broadcast_to
numpy.broadcast_to 函数将数组广播到新形状。它在原始数组上返回只读视图。 它通常不连续。 如果新形状不符合 NumPy 的广播规则，该函数可能会抛出ValueError。
numpy.broadcast_to(array, shape, subok)实例
import numpy as np
a = np.arange(4).reshape(1,4)
print ('原数组：')
print (a)
print ('\n')
print ('调用 broadcast_to 函数之后：')
print (np.broadcast_to(a,(4,4)))原数组：
[[0 1 2 3]]
调用 broadcast_to 函数之后：
[[0 1 2 3]
[0 1 2 3]
[0 1 2 3]
[0 1 2 3]]numpy.expand_dims
numpy.expand_dims 函数通过在指定位置插入新的轴来扩展数组形状，函数格式如下:
numpy.expand_dims(arr, axis)参数说明：
-
arr：输入数组 -
axis：新轴插入的位置
import numpy as np
x = np.array(([1,2],[3,4]))
print ('数组 x：')
print (x)
print(x.shape)
y = np.expand_dims(x, axis = 0)
print (' 在位置 axis = 0 插入轴之后的数组 y ：')
print (y)
print(y.shape)
# 在位置 1 插入轴
y = np.expand_dims(x, axis = 1)
print ('在位置 axis = 1 插入轴之后的数组 y：')
print (y)
print(y.shape)
# 在位置 2 插入轴
y = np.expand_dims(x, axis = 2)
print ('在位置 axis = 2 插入轴之后的数组 y：')
print (y)
print(y.shape)
数组 x：
[[1 2]
[3 4]]
(2, 2)
在位置 axis = 0 插入轴之后的数组 y ：
[[[1 2]
[3 4]]]
(1, 2, 2)
在位置 axis = 1 插入轴之后的数组 y：
[[[1 2]]
[[3 4]]]
(2, 1, 2)
在位置 axis = 2 插入轴之后的数组 y：
[[[1]
[2]]
[[3]
[4]]]
(2, 2, 1)
实例
import numpy as np
x = np.array(([1,2],[3,4]))
print ('数组 x：')
print (x)
print ('\n')
y = np.expand_dims(x, axis = 0)
print ('数组 y：')
print (y)
print ('\n')
print ('数组 x 和 y 的形状：')
print (x.shape, y.shape)
print ('\n')
# 在位置 1 插入轴
y = np.expand_dims(x, axis = 1)
print ('在位置 1 插入轴之后的数组 y：')
print (y)
print ('\n')
print ('x.ndim 和 y.ndim：')
print (x.ndim,y.ndim)
print ('\n')
print ('x.shape 和 y.shape：')
print (x.shape, y.shape)数组 x：
[[1 2]
[3 4]]
数组 y：
[[[1 2]
[3 4]]]
数组 x 和 y 的形状：
(2, 2) (1, 2, 2)
在位置 1 插入轴之后的数组 y：
[[[1 2]]
[[3 4]]]
x.ndim 和 y.ndim：
2 3
x.shape 和 y.shape：
(2, 2) (2, 1, 2)numpy.squeeze
numpy.squeeze 函数从给定数组的形状中删除一维的条目，函数格式如下：
numpy.squeeze(arr, axis)参数说明：
-
arr：输入数组 -
axis：整数或整数元组，用于选择形状中一维条目的子集
实例
import numpy as np
x = np.arange(9).reshape(1,3,3)
print ('数组 x：')
print (x)
print ('\n')
y = np.squeeze(x)
print ('数组 y：')
print (y)
print ('\n')
print ('数组 x 和 y 的形状：')
print (x.shape, y.shape)输出结果为：
数组 x：
[[[0 1 2]
[3 4 5]
[6 7 8]]]
数组 y：
[[0 1 2]
[3 4 5]
[6 7 8]]
数组 x 和 y 的形状：
(1, 3, 3) (3, 3)
REF
（numpy flatten ravel）
（numpy flatten ravel）
https://www.runoob.com/numpy/numpy-array-manipulation.html