176

假设我有一个数组a：

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

array([[1, 2, 3],
       [4, 5, 6]])

我想将其转换为一维数组（即列向量）：

b = np.reshape(a, (1,np.product(a.shape)))

但这会返回

array([[1, 2, 3, 4, 5, 6]])

这与以下内容不同：

array([1, 2, 3, 4, 5, 6])

我可以将该数组的第一个元素手动转换为一维数组：

b = np.reshape(a, (1,np.product(a.shape)))[0]

但这需要我知道原始数组有多少维（并在使用更高维时连接[0]）

是否有从任意 ndarray 获取列/行向量的与维度无关的方法？

4

6 回答 6

335

使用np.ravel（用于 1D 视图）或np.ndarray.flatten（用于 1D 副本）或np.ndarray.flat（用于 1D 迭代器）：

In [12]: a = np.array([[1,2,3], [4,5,6]])

In [13]: b = a.ravel()

In [14]: b
Out[14]: array([1, 2, 3, 4, 5, 6])

请注意，尽可能ravel()返回 a viewof a。所以修改b也会修改a. 当 1D 元素在内存中连续时返回 a，但ravel()如果是使用非单位步长（例如）对另一个数组进行切片，则返回 a。viewcopyaa = x[::2]

如果您想要副本而不是视图，请使用

In [15]: c = a.flatten()

如果您只想要一个迭代器，请使用np.ndarray.flat：

In [20]: d = a.flat

In [21]: d
Out[21]: <numpy.flatiter object at 0x8ec2068>

In [22]: list(d)
Out[22]: [1, 2, 3, 4, 5, 6]
于 2012-12-05T19:01:14.270 回答
29 
In [14]: b = np.reshape(a, (np.product(a.shape),))

In [15]: b
Out[15]: array([1, 2, 3, 4, 5, 6])

或者，简单地说：

In [16]: a.flatten()
Out[16]: array([1, 2, 3, 4, 5, 6])
于 2012-12-05T19:01:45.827 回答
10

我想看看答案中提到的函数的基准测试结果，包括unutbu 的.

还想指出，numpy doc建议使用arr.reshape(-1)以防万一视图更可取。（即使ravel在以下结果中速度更快）

TL;DR :np.ravel是性能最高的（数量很少）。

基准

职能：

numpy 版本：'1.18.0'

ndarray不同大小的执行时间

+-------------+----------+-----------+-----------+-------------+
|  function   |   10x10  |  100x100  | 1000x1000 | 10000x10000 |
+-------------+----------+-----------+-----------+-------------+
| ravel       | 0.002073 |  0.002123 |  0.002153 |    0.002077 |
| reshape(-1) | 0.002612 |  0.002635 |  0.002674 |    0.002701 |
| flatten     | 0.000810 |  0.007467 |  0.587538 |  107.321913 |
| flat        | 0.000337 |  0.000255 |  0.000227 |    0.000216 |
+-------------+----------+-----------+-----------+-------------+

结论

ravelandreshape(-1)的执行时间是一致的并且独立于 ndarray 的大小。但是，ravel速度稍快，但reshape在重塑尺寸方面提供了灵活性。（也许这就是为什么numpy doc建议改用它的原因。或者在某些情况下reshape返回视图而ravel不是）。
如果您正在处理大尺寸的 ndarray，使用flatten可能会导致性能问题。建议不要使用。除非您需要数据副本来做其他事情。

使用代码

import timeit
setup = '''
import numpy as np
nd = np.random.randint(10, size=(10, 10))
'''

timeit.timeit('nd = np.reshape(nd, -1)', setup=setup, number=1000)
timeit.timeit('nd = np.ravel(nd)', setup=setup, number=1000)
timeit.timeit('nd = nd.flatten()', setup=setup, number=1000)
timeit.timeit('nd.flat', setup=setup, number=1000)
于 2020-02-06T07:42:52.627 回答
5

对于具有不同大小的数组列表，请使用以下内容：

import numpy as np

# ND array list with different size
a = [[1],[2,3,4,5],[6,7,8]]

# stack them
b = np.hstack(a)

print(b)

输出：

[1 2 3 4 5 6 7 8]

于 2019-02-11T17:53:41.330 回答
3

最简单的方法之一是使用flatten()，例如这个例子：

 import numpy as np

 batch_y =train_output.iloc[sample, :]
 batch_y = np.array(batch_y).flatten()

我的数组是这样的：

    0
0   6
1   6
2   5
3   4
4   3
.
.
.

使用后flatten()：

array([6, 6, 5, ..., 5, 3, 6])

这也是此类错误的解决方案：

Cannot feed value of shape (100, 1) for Tensor 'input/Y:0', which has shape '(?,)'
于 2019-05-16T19:17:04.343 回答
0

虽然这没有使用 np 数组格式，（懒得修改我的代码）这应该做你想要的......如果你真的想要一个列向量，你会想要转置向量结果。这完全取决于您打算如何使用它。

def getVector(data_array,col):
    vector = []
    imax = len(data_array)
    for i in range(imax):
        vector.append(data_array[i][col])
    return ( vector )
a = ([1,2,3], [4,5,6])
b = getVector(a,1)
print(b)

Out>[2,5]

所以如果你需要转置，你可以这样做：

def transposeArray(data_array):
    # need to test if this is a 1D array 
    # can't do a len(data_array[0]) if it's 1D
    two_d = True
    if isinstance(data_array[0], list):
        dimx = len(data_array[0])
    else:
        dimx = 1
        two_d = False
    dimy = len(data_array)
    # init output transposed array
    data_array_t = [[0 for row in range(dimx)] for col in range(dimy)]
    # fill output transposed array
    for i in range(dimx):
        for j in range(dimy):
            if two_d:
                data_array_t[j][i] = data_array[i][j]
            else:
                data_array_t[j][i] = data_array[j]
    return data_array_t
于 2018-10-23T16:52:53.143 回答