Bagaimana untuk melaksanakan pertukaran dimensi dalam Numpy
Petua untuk menukar dimensi dalam numpy
Pengenalan:
numpy ialah perpustakaan Python yang berkuasa terutamanya digunakan untuk pengkomputeran saintifik dan analisis data. Dalam numpy, kita sering perlu berurusan dengan tatasusunan berbilang dimensi, dan pertukaran dimensi tatasusunan juga merupakan salah satu operasi biasa. Artikel ini akan memperkenalkan beberapa teknik untuk menukar dimensi dalam numpy dan memberikan contoh kod khusus.
1. Fungsi pertukaran dimensi dalam numpy
Dalam numpy, kita boleh menggunakan fungsi transpose() dan fungsi swapaxes() untuk melakukan pertukaran dimensi.
- fungsi transpose() Fungsi
transpose() digunakan untuk menukar dimensi tatasusunan, yang boleh dicapai dengan menyatakan susunan paksi. Prototaip fungsi ialah:
numpy.transpose(arr, paksi)
di mana arr ialah tatasusunan yang hendak ditranspose, paksi ialah susunan paksi, yang boleh menjadi integer atau jujukan integer. Jika paksi ialah integer, mengembalikan tatasusunan baharu dengan dimensi ditukar di sepanjang paksi itu; Fungsi
- swapaxes()
swapaxes() digunakan untuk menukar dua paksi tatasusunan Prototaip fungsinya ialah:
numpy.swapaxes(arr, paksi1, paksi2)
di mana axes adalah. untuk ditukar, paksi1 dan paksi2 ialah paksi yang akan ditukar. Fungsi swapaxes() mengembalikan tatasusunan baharu yang paksinya ialah salinan paksi tatasusunan asal, tetapi paksi1 dan paksi2 ditukar. 2. Contoh pertukaran dimensi dalam numpy Di bawah ini kami menggunakan beberapa contoh khusus untuk menunjukkan kemahiran pertukaran dimensi dalam numpy. Contoh 1: Pertukaran dimensi menggunakan fungsi transpose()Andaikan kita mempunyai tatasusunan tiga dimensi bentuk (3, 4, 2), dan kita mahu menukar dimensi pertama dan kedua. Kodnya adalah seperti berikut:
print("Arisinal array: ")
print(arr)
print("Susun atur tukar:")
print(new_arr)
[[[ 0 1]
[ 2 3]
[ 4 5]
[ 6 7]]
[10 11]
[12 13]
[14 15]]
]
[16 17]
[20 21]
[22 23]]]
Tatasusunan yang ditukar:
[[[ 0 1]
[ 8 9]
[16 17]]
[[ 2 3]
[10 11]
19]]
[[ 4 5]
[12 13]
[20 21]]
[[ 6 7]
[14 15]
[22 23]]]
Contoh 2:() Gunakan fungsi swa untuk pertukaran dimensi
Andaikan kita mempunyai tatasusunan bentuk tiga dimensi (2, 5, 3), dan kita ingin menukar dimensi pertama dan keduanya. Kodnya adalah seperti berikut:
import numpy sebagai np
arr = np.arange(30).reshape(2, 5, 3)
print("Arisinal array: ")
print(arr)
new_arr = np .swapaxes( arr, 0, 1)
print("Array after exchange: ")
print(new_arr)
Hasil larian adalah seperti berikut:
Assuai asal:
[[[ 0 1 2]
[ 3 2] 5]
[ 6 7 8]
[9 10 11]
[12 13 14]]
[[15 16 17]
[18 19 20]
[21 22 23]
[21 22 23]
[24]
28 29]]]
Susun atur yang ditukar:
[15 16 17]]
[18 19 20]]
[[ 9 10 11]
[[12 13 14]
Atas ialah kandungan terperinci Bagaimana untuk melaksanakan pertukaran dimensi dalam Numpy. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Cache kemas kini laman web akaun rasmi, perkara ini mudah dan mudah, dan ia cukup rumit untuk minum periuknya. Anda bekerja keras untuk mengemas kini artikel akaun rasmi, tetapi pengguna masih membuka versi lama. Dalam artikel ini, mari kita lihat kelainan dan bertukar di belakang ini dan bagaimana menyelesaikan masalah ini dengan anggun. Selepas membacanya, anda boleh dengan mudah menangani pelbagai masalah caching, yang membolehkan pengguna anda sentiasa mengalami kandungan segar. Mari kita bincangkan asas -asas terlebih dahulu. Untuk meletakkannya secara terang -terangan, untuk meningkatkan kelajuan akses, penyemak imbas atau pelayan menyimpan beberapa sumber statik (seperti gambar, CSS, JS) atau kandungan halaman. Kali seterusnya anda mengaksesnya, anda boleh mengambilnya secara langsung dari cache tanpa perlu memuat turunnya lagi, dan ia secara semula jadi cepat. Tetapi perkara ini juga pedang bermata dua. Versi baru dalam talian,

Artikel ini membincangkan menggunakan atribut pengesahan bentuk HTML5 seperti had, corak, min, max, dan panjang untuk mengesahkan input pengguna secara langsung dalam penyemak imbas.

Artikel membincangkan amalan terbaik untuk memastikan keserasian silang pelayar HTML5, memberi tumpuan kepada pengesanan ciri, peningkatan progresif, dan kaedah ujian.

Artikel ini menunjukkan penambahan sempadan PNG yang cekap ke halaman web menggunakan CSS. Ia berpendapat bahawa CSS menawarkan prestasi unggul berbanding dengan JavaScript atau perpustakaan, memperincikan cara menyesuaikan lebar sempadan, gaya, dan warna untuk kesan halus atau menonjol

Artikel ini membincangkan html & lt; datalist & gt; elemen, yang meningkatkan bentuk dengan menyediakan cadangan autokomplete, meningkatkan pengalaman pengguna dan mengurangkan kesilapan. Kira -kira: 159

Artikel ini membincangkan html & lt; kemajuan & gt; elemen, tujuan, gaya, dan perbezaan dari & lt; meter & gt; elemen. Tumpuan utama adalah menggunakan & lt; kemajuan & gt; untuk menyelesaikan tugas dan & lt; meter & gt; untuk stati

Artikel ini menerangkan html5 & lt; time & gt; elemen untuk perwakilan tarikh/masa semantik. Ia menekankan pentingnya atribut DateTime untuk pembacaan mesin (format ISO 8601) bersama teks yang boleh dibaca manusia, meningkatkan aksesibilit

Artikel ini membincangkan html & lt; meter & gt; elemen, digunakan untuk memaparkan nilai skalar atau pecahan dalam julat, dan aplikasi umum dalam pembangunan web. Ia membezakan & lt; meter & gt; dari & lt; kemajuan & gt; dan Ex
