Автор оригинала: Pankaj Kumar.
Эй, читатели! Сегодня мы посмотрим на одну из самых интересных функций Python Numpy Module – numpy.reeshape () Функция Отказ
Итак, давайте начнем!
Что такое функция numpy.reeshape ()?
Модуль Python Numpy полезен в выполнении математических и научных операций по данным. Numpy модуль имеет дело с данными в виде массивов.
numpy.reeshape () Функция Позволяет пользователю изменить размеры массива, в который проживают элементы. То есть мы можем изменить данные в любом измерении с использованием функции Reshape ().
Более того, он позволяет программистам изменить количество элементов, которые будут структурированы в определенном измерении.
Давайте теперь будем сосредоточиться на синтаксисе функции Reshape () в разделе ниже.
Синтаксис функции Reshigape ()
Посмотрите на синтаксис ниже!
array.reshape(shape)
- Массив – структура данных, которая должна быть изменена (всегда массив!)
- Форма – целочисленные значения кортежа, которые решают размерность нового массива
Функция Reshape () не изменяет элементы массива. Это меняет только размеры массива I.E. Схема/структура.
Теперь давайте попробуем визуализировать изменения в измерении с помощью функции Reshape () через пример:
Рассмотрим массив ARR = {1,2,3,4,5,6}, имея размер 1 × 6. Этот массив может быть перезаписан в следующие формы:
Размер 3 × 2:
2 × 3 Размер:
Размер 6 × 1:
Давайте теперь реализуем концепцию функции Reshape () через некоторые примеры, как показано ниже.
Примеры функции Reshigape ()
В приведенном ниже примере мы создали 1-D Numpy Array с помощью функции numpy.array () Отказ Кроме того, мы изменили размеры массива до 2 × 2.
import numpy as np
a = np.array([1, 2, 3,4])
print("Elements of the array before reshaping: \n", a)
reshape = a.reshape(2,2)
print("\n Array elements after reshaping: \n", reshape)
Выход:
Elements of the array before reshaping: [1 2 3 4] Array elements after reshaping: [[1 2] [3 4]]
Теперь мы создали 2-мерный массив и изменили размерность массива на 1-D массива, предоставляя -1 в качестве аргумента к функции Reshape ().
import numpy as np
a = np.array([[1, 2, 3,4],[2,4,6,8]])
print("Elements of the array before reshaping: \n", a)
reshape = a.reshape(-1)
print("\n Array elements after reshaping: \n", reshape)
Выход:
Elements of the array before reshaping: [[1 2 3 4] [2 4 6 8]] Array elements after reshaping: [1 2 3 4 2 4 6 8]
Здесь мы создали массив, используя функцию numpy.arange (). Затем мы изменили размерность массива до 2 × 3 I.e. 2 ряда и 3 столбца.
import numpy as np
a = np.arange(6)
print("Elements of the array before reshaping: \n", a)
reshape = a.reshape(2,3)
print("\n Array elements after reshaping: \n", reshape)
Выход:
Elements of the array before reshaping: [0 1 2 3 4 5] Array elements after reshaping: [[0 1 2] [3 4 5]]
Заключение
По этому, мы подошли к концу этой темы. Надеюсь, что эта статья поможет хорошо понимает концепцию.
Не стесняйтесь комментировать ниже, если вы столкнетесь с любым вопросом.
До этого, счастливого обучения !!