Numpy 数组重复和变换

在本文中，我们将介绍如何使用Numpy库中的函数实现对数组进行重复和变换操作。这在数据处理和图像处理中非常常见。我们将讨论以下几个方面：

将一个数组在某一轴上进行重复：numpy.repeat
复制数组并改变尺寸：numpy.tile
对数组进行旋转、翻转和更改形状：numpy.flip, numpy.fliplr, numpy.flipud, numpy.rot90, numpy.reshape

阅读更多：Numpy 教程

numpy.repeat

numpy.repeat函数可以在数组的某一轴上进行重复。它有两个主要参数：第一个是输入的数组，第二个是重复次数。如果没有指定轴，函数将会以扁平化数组的形式进行操作。

import numpy as np

a = np.array([[0, 1], [2, 3]])
print(np.repeat(a, 2))  # [0 0 1 1 2 2 3 3]
print(np.repeat(a, 3, axis=0))  # [[0 1]
                                 # [0 1]
                                 # [0 1]
                                 # [2 3]
                                 # [2 3]
                                 # [2 3]]

numpy.tile

numpy.tile可以通过沿水平方向或垂直方向多次堆叠数组来改变数组的大小。它有两个主要参数：第一个是输入数组，第二个是堆叠次数。如果堆叠参数是一个元组，它将对每个维度进行重复。

import numpy as np

a = np.array([1, 2, 3])
print(np.tile(a, 2))  # [1 2 3 1 2 3]
print(np.tile(a, (2, 2)))  # [[1 2 3 1 2 3]
                            #  [1 2 3 1 2 3]]

b = np.array([[1, 2], [3, 4]])
print(np.tile(b, 2))  # [[1 2 1 2]
                       #  [3 4 3 4]]
print(np.tile(b, (2, 2)))  # [[1 2 1 2]
                            #  [3 4 3 4]
                            #  [1 2 1 2]
                            #  [3 4 3 4]]

numpy.flip, numpy.fliplr, numpy.flipud

numpy.flip可以反转数组中的元素。当我们把一个二维数组想象成一个图片，这就是对图片的上下或左右翻转。

import numpy as np

a = np.array([1, 2, 3])
print(np.flip(a))  # [3 2 1]

b = np.array([[1, 2], [3, 4]])
print(np.flip(b))  # [[4 3]
                    #  [2 1]]
print(np.fliplr(b))  # [[2 1]
                      #  [4 3]]
print(np.flipud(b))  # [[3 4]
                      #  [1 2]]

numpy.rot90

numpy.rot90函数可以进行90度旋转。它的主要参数是输入数组和旋转次数。当我们把一个二维数组想象成一个图片，这就是对图片的旋转操作。

import numpy as np

a = np.array([[1, 2], [3, 4]])
print(np.rot90(a))  # [[2 4]
                     #  [1 3]]
print(np.rot90(a, 2))  # [[4 3]
                        #  [2 1]]

numpy.reshape

numpy.reshape函数可以改变数组的形状，它的一个参数是输入数组，另一个参数是新的形状。如果新的形状是一个元组，那么将会按照元组中的指定顺序对数组进行重构。

import numpy as np

a = np.array([[1, 2], [3, 4], [5, 6]])
print(np.reshape(a, (2, 3)))  # [[1 2 3]
              #  [4 5 6]]

b = np.array([1, 2, 3, 4, 5, 6])
print(np.reshape(b, (2, 3)))  # [[1 2 3]
                              #  [4 5 6]]

c = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print(np.reshape(c, (-1, 2)))  # [[1 2]
                               #  [3 4]
                               #  [5 6]
                               #  [7 8]]