


Comment aplatir une matrice en Python en utilisant numpy ?
Dans cet article, nous allons vous montrer comment aplatir une matrice à l'aide de la bibliothèque NumPy en python.
Fonction numpy.ndarray.flatten()
Le module numpy comprend une fonction appelée numpy.ndarray.flatten() qui renvoie une copie unidimensionnelle du tableau plutôt qu'un tableau bidimensionnel ou multidimensionnel.
En termes simples, on peut dire qu'il aplatit la matrice en 1 dimension.
Grammaire
ndarray.flatten(order='C')
Paramètres
commander − 'C', 'F', 'A', 'K' (facultatif)
Lorsque nous définissons les paramètres de tri sur 'C,', le tableau est aplati dans ordre principal des lignes.
Lorsque le « F » est défini, le tableau est aplati dans l'ordre colonne majeure.
Le tableau est développé dans l'ordre principal des colonnes uniquement si « a » est contigu en Fortran en mémoire et que le paramètre d'ordre est défini sur « A ». L'ordre final est « K », qui déroule le tableau dans le même ordre que celui dans lequel les éléments apparaissent en mémoire. Ce paramètre est défini sur « C » par défaut.
Valeur de retour - Renvoie une matrice 1D aplatie
Méthode 1 - Aplatissement de la matrice Numpy 2x2 de type np.array()
Algorithme (étapes)
Voici les algorithmes/étapes pour effectuer la tâche requise :
Utilisez le mot-clé import pour importer le module numpy avec un alias (np).
Utilisez la fonction numpy.array() (qui renvoie un ndarray. Un ndarray est un objet tableau qui satisfait aux exigences données) pour créer un tableau numpy en passant un tableau à 2 dimensions (2 lignes, 2 colonnes) comme argument à cela.
Imprimez la matrice 2D donnée.
Appliquez la fonction flatten() du module numpy (aplatir la matrice à une dimension) sur la matrice d'entrée pour aplatir la matrice bidimensionnelle d'entrée en une matrice unidimensionnelle.
Imprimez la matrice aplatie résultante de la matrice d'entrée.
Exemple
Le programme suivant aplatit la matrice bidimensionnelle d'entrée donnée en une matrice unidimensionnelle à l'aide de la fonction flatten() et la renvoie −
# importing numpy module with an alias name import numpy as np # creating a 2-Dimensional(2x2) numpy matrix inputMatrix = np.array([[3, 5], [4, 8]]) # printing the input 2D matrix print("The input numpy matrix:") print(inputMatrix) # flattening the 2D matrix to one-dimensional matrix flattenMatrix = inputMatrix.flatten() # printing the resultant flattened matrix print("Resultant flattened matrix:") print(flattenMatrix)
Sortie
Une fois exécuté, le programme ci-dessus générera le résultat suivant :
The input numpy matrix: [[3 5] [4 8]] Resultant flattened matrix: [3 5 4 8]
Méthode 2 - Aplatissement à l'aide de la fonction reshape()
Algorithme (étapes)
Voici les algorithmes/étapes pour effectuer la tâche requise :
Utilisez la fonction numpy.array() (renvoie un ndarray. Le ndarray est un objet tableau qui satisfait aux exigences données), pour créer un tableau numpy en passant le tableau à 4 dimensions (4 lignes, 4 colonnes) comme argument à cela.
Imprimez la matrice 4D donnée.
Calculez le nombre d'éléments d'une matrice en multipliant la longueur du tableau NumPy par elle-même. Ces valeurs représentent le nombre de colonnes requis.
Utilisez la fonction reshape() (remodèle un tableau sans affecter ses données) pour remodeler le tableau et aplatir la matrice d'entrée (4D) en une matrice unidimensionnelle.
Imprimez la matrice aplatie résultante de la matrice d'entrée.
Exemple
Le programme suivant utilise la fonction reshape() pour aplatir la matrice à 4 dimensions donnée en une matrice à 1 dimension et renvoie le résultat -
# importing numpy module with an alias name import numpy as np # creating a 4-Dimensional(4x4) numpy matrix inputMatrix = np.array([[1, 2, 3, 97], [4, 5, 6, 98], [7, 8, 9, 99], [10, 11, 12, 100]]) # Getting the total Number of elements of the matrix matrixSize = len(inputMatrix) * len(inputMatrix) # printing the input 4D matrix print("The input numpy matrix:") print(inputMatrix) # reshaping the array and flattening the 4D matrix to a one-dimensional matrix # here (1,matrixSize(16)) says 1 row and 16 columns(Number of elements) flattenMatrix= np.reshape(inputMatrix, (1, matrixSize)) # printing the resultant flattened matrix print("Resultant flattened matrix:") print(flattenMatrix)
Sortie
Une fois exécuté, le programme ci-dessus générera le résultat suivant :
The input numpy matrix: [[ 1 2 3 97] [ 4 5 6 98] [ 7 8 9 99] [ 10 11 12 100]] Resultant flattened matrix: [[ 1 2 3 97 4 5 6 98 7 8 9 99 10 11 12 100]]
Méthode 3 - Aplatir une matrice Numpy 4x4 de type np.matrix()
La traduction chinoise est :
Méthode 3 - Aplatir une matrice Numpy 4x4 de type np.matrix()
Algorithme (étapes)
Voici les algorithmes/étapes pour effectuer la tâche requise :
Utilisez la fonction numpy.matrix() (qui renvoie une matrice à partir d'une chaîne de données ou d'un objet de type tableau. La matrice résultante est un tableau 4D spécialisé), en passant un tableau 4D (4 lignes, 4 colonnes ) comme argument Passez-le pour créer une matrice numpy.
Imprimez la matrice aplatie résultante de la matrice d'entrée.
Exemple
Le programme suivant utilise la fonction flatten() pour aplatir une matrice à 4 dimensions donnée en une matrice à 1 dimension et renvoie le résultat -
# importing NumPy module with an alias name import numpy as np # creating a NumPy matrix (4x4 matrix) using matrix() method inputMatrix = np.matrix('[11, 1, 8, 2; 11, 3, 9 ,1; 1, 2, 3, 4; 9, 8, 7, 6]') # printing the input 4D matrix print("The input numpy matrix:") print(inputMatrix) # flattening the 4D matrix to one-dimensional matrix flattenMatrix = inputMatrix.flatten() # printing the resultant flattened matrix print("Resultant flattened matrix:") print(flattenMatrix)
Sortie
Une fois exécuté, le programme ci-dessus générera le résultat suivant :
The input numpy matrix: [[11 1 8 2] [11 3 9 1] [ 1 2 3 4] [ 9 8 7 6]] Resultant flattened matrix: [[11 1 8 2 11 3 9 1 1 2 3 4 9 8 7 6]]
Conclusion
Dans cet article, nous avons appris à aplatir une matrice en Python à l'aide de trois exemples différents. Nous avons appris comment obtenir des matrices dans Numpy en utilisant deux méthodes différentes : numpy.array() et NumPy.matrix(). Nous avons également appris à aplatir une matrice à l'aide de la fonction reshape.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Comment mettre à jour la version numpy : 1. Utilisez la commande « pip install --upgrade numpy » ; 2. Si vous utilisez la version Python 3.x, utilisez la commande « pip3 install --upgrade numpy », qui téléchargera et installez-le en écrasant la version actuelle de NumPy ; 3. Si vous utilisez conda pour gérer l'environnement Python, utilisez la commande "conda install --update numpy" pour mettre à jour.

Numpy est une bibliothèque mathématique importante en Python. Elle fournit des opérations de tableau efficaces et des fonctions de calcul scientifique et est largement utilisée dans l'analyse de données, l'apprentissage automatique, l'apprentissage profond et d'autres domaines. Lors de l'utilisation de numpy, nous devons souvent vérifier le numéro de version de numpy pour déterminer les fonctions prises en charge par l'environnement actuel. Cet article explique comment vérifier rapidement la version numpy et fournit des exemples de code spécifiques. Méthode 1 : utilisez l'attribut __version__ fourni avec numpy Le module numpy est livré avec un __.

Il est recommandé d'utiliser la dernière version de NumPy1.21.2. La raison est la suivante : actuellement, la dernière version stable de NumPy est la 1.21.2. Généralement, il est recommandé d'utiliser la dernière version de NumPy, car elle contient les dernières fonctionnalités et optimisations de performances, et corrige certains problèmes et bugs des versions précédentes.

Comment mettre à niveau la version numpy : tutoriel facile à suivre, nécessite des exemples de code concrets Introduction : NumPy est une bibliothèque Python importante utilisée pour le calcul scientifique. Il fournit un puissant objet tableau multidimensionnel et une série de fonctions associées qui peuvent être utilisées pour effectuer des opérations numériques efficaces. À mesure que de nouvelles versions sont publiées, de nouvelles fonctionnalités et corrections de bugs sont constamment disponibles. Cet article décrira comment mettre à niveau votre bibliothèque NumPy installée pour obtenir les dernières fonctionnalités et résoudre les problèmes connus. Étape 1 : Vérifiez la version actuelle de NumPy au début

Apprenez étape par étape à installer NumPy dans PyCharm et à utiliser pleinement ses puissantes fonctions Préface : NumPy est l'une des bibliothèques de base pour le calcul scientifique en Python. Elle fournit des objets de tableau multidimensionnels hautes performances et diverses fonctions nécessaires à son exécution. opérations de base sur la fonction des tableaux. Il s’agit d’une partie importante de la plupart des projets de science des données et d’apprentissage automatique. Cet article vous expliquera comment installer NumPy dans PyCharm et démontrera ses puissantes fonctionnalités à travers des exemples de code spécifiques. Étape 1 : Installez PyCharm. Tout d'abord, nous

Numpy peut être installé en utilisant pip, conda, le code source et Anaconda. Introduction détaillée : 1. pip, entrez pip install numpy dans la ligne de commande ; 2. conda, entrez conda install numpy dans la ligne de commande ; 3. Code source, décompressez le package de code source ou entrez dans le répertoire du code source, entrez dans la commande ; ligne python setup.py build python setup.py install.

Le secret pour désinstaller rapidement la bibliothèque NumPy est révélé. Des exemples de code spécifiques sont nécessaires. NumPy est une puissante bibliothèque de calcul scientifique Python largement utilisée dans des domaines tels que l'analyse de données, le calcul scientifique et l'apprentissage automatique. Cependant, nous pouvons parfois être amenés à désinstaller la bibliothèque NumPy, que ce soit pour mettre à jour la version ou pour d'autres raisons. Cet article présentera quelques méthodes pour désinstaller rapidement la bibliothèque NumPy et fournira des exemples de code spécifiques. Méthode 1 : utiliser pip pour désinstaller pip est un outil de gestion de packages Python qui peut être utilisé pour installer, mettre à niveau et

Avec le développement rapide de domaines tels que la science des données, l’apprentissage automatique et l’apprentissage profond, Python est devenu un langage courant pour l’analyse et la modélisation des données. En Python, NumPy (abréviation de NumericalPython) est une bibliothèque très importante car elle fournit un ensemble d'objets tableaux multidimensionnels efficaces et constitue la base de nombreuses autres bibliothèques telles que pandas, SciPy et scikit-learn. Dans le processus d'utilisation de NumPy, vous risquez de rencontrer des problèmes de compatibilité entre différentes versions, puis
