numpy——flat与flatten
程序员文章站
2024-03-02 22:52:22
...
1.flat—数组元素迭代器
import numpy as np
a = np.arange(9).reshape(3,3)
print ('原始数组:')
for row in a:
print (row)
#对数组中每个元素都进行处理,可以使用flat属性,该属性是一个数组元素迭代器:
print ('迭代后的数组:')
for element in a.flat:
print (element)
原始数组:
[0 1 2]
[3 4 5]
[6 7 8]
迭代后的数组:
0
1
2
3
4
5
6
7
8
2.flatten—返回一份数组拷贝,对拷贝所做的修改不会影响原始数组
ndarray.flatten(order='C')
order:'C' -- 按行,'F' -- 按列,'A' -- 原顺序,'K' -- 元素在内存中的出现顺序。
实例
import numpy as np
a = np.arange(8).reshape(2,4)
print ('原数组:')
print (a)
print ('\n')
# 默认按行
print ('展开的数组:')
print (a.flatten())
print ('\n')
print ('以 F 风格顺序展开的数组:')
print (a.flatten(order = 'F'))
原数组:
[[0 1 2 3]
[4 5 6 7]]
展开的数组:
[0 1 2 3 4 5 6 7]
以 F 风格顺序展开的数组:
[0 4 1 5 2 6 3 7]
推荐阅读
-
numpy——flat与flatten
-
numpy 中 newaxis函数的使用,numpy中ravel()、flatten()、squeeze()的用法与区别
-
python numpy 的索引 flatten 与 flat ,transpose
-
详解Python list 与 NumPy.ndarry 切片之间的对比
-
对numpy中轴与维度的理解
-
DataCamp学习笔记002 -Numpy Array特性与常用统计方法
-
python数据分析库:numpy与pandas使用讲解
-
pandas与numpy数据处理知识点总结
-
从零开始深度学习0611——pytorch入门之Pytorch 与 numpy 区别+variable+activation+regression+classification+快速搭建
-
【python】numpy中的array格式数据切片与pandas中的dataframe格式数据切片、相互转换