Numpy 用reshape或newaxis添加维度

NumPy是Python中最重要的科学计算库之一。NumPy以其高效的多维数组操作而闻名，这也是其如此流行的原因之一。

在NumPy中，我们可以使用不同的方式操作数组。有时，我们需要在数组中添加新的维度以处理数据。本文将介绍如何将维度添加到NumPy数组中，包括使用reshape和newaxis的方法。

阅读更多：Numpy 教程

使用reshape添加维度

reshape是一个应用广泛的NumPy函数，可以使用它重新组织数组的形状。它的语法如下：

numpy.reshape(a, newshape, order='C')

其中：

• a：输入数组
• newshape：新的形状，以整数或整数元组的形式指定
• order：可选参数，指定结果数组的内存布局。默认值为C（按行），也可以为F（按列），或A（按原始顺序）。

我们可以使用reshape函数来添加新的维度到NumPy数组中。例如，假设我们有下面这个一维数组：

import numpy as np
a = np.array([1, 2, 3, 4, 5, 6, 7, 8])

现在，我们要将其转换为一个形状为(2, 4)的二维数组。这里的2表示新的数组将有两行，4表示每行将有4个元素。使用reshape函数，我们可以轻松完成这个任务：

b = np.reshape(a, (2, 4))
print(b)

输出结果：

[[1 2 3 4]
 [5 6 7 8]]

b就是我们期望得到的二维数组。我们可以看到，其中的原始元素已按行重新排列，形状为(2, 4)。与原始数组相比，这个新数组有两个维度，这意味着我们已经添加了一个新的维度。

reshape函数可以实现很多其他的转换，例如将多维数组转换为一维数组，交换数组的维度等。它是使用NumPy高效处理多维数组的重要工具之一。

使用newaxis添加维度

与reshape函数不同，我们也可以使用一些简单的语法来添加新维度到NumPy数组中。其中之一就是newaxis函数。

newaxis是一个占位符，用于引入新维度。它的语法非常简单：

a[:, np.newaxis]

其中，a是你想要插入新维度的数组，新维度将插入到第二个索引（及第一维后）的位置上。

例如，假设我们有下面这个一维数组：

import numpy as np
a = np.array([1, 2, 3, 4, 5, 6, 7, 8])

现在，我们想将它转换成形状为(2, 4)的二维数组。使用newaxis，我们可以在第一维和第二维之间插入新维度，使得数组变成形状为(2, 1, 4)：

b = a.reshape((2, 1, 4))
print(b)

输出结果：

[[[1 2 3 4]]

 [[5 6 7 8]]]

我们可以看到，现在的数组有三个维度：第一维有两个元素，第二维有一个元素，第三维有四个元素。这意味着我们已经添加了一个新的维度。

在处理图像等二维数据时，newaxis的应用也非常广泛。例如，我们可以使用newaxis将一个形状为(h, w)的图像数组，转换为形状为(h, w, 1)的三维数组，以便于在卷积神经网络中处理。

import numpy as np
image = np.random.rand(256, 256) # 生成一个256x256的随机图像
image = image[:,:,np.newaxis] # 在第三个维度上插入新维度
print(image.shape) # 输出结果为(256, 256, 1)

我们可以看到，使用newaxis插入新维度后，图像数组的形状变成了(256, 256, 1)，这样就可以作为卷积神经网络的输入了。

总结

在NumPy中，使用reshape函数和newaxis都可以轻松地添加新维度到数组中。无论是处理多维数据还是图像等二维数据，这两种方法都是非常有用的工具。我们可以根据不同的需求选择适合的方法来处理数组，以提高NumPy在科学计算领域中的表现。