Sveip for å vise menyen

Utflating av Matriser

Flatting en matrise betyr å konvertere den fra en flerdimensjonal matrise til en 1D-matrise, i hovedsak å avdekke innholdet.

Denne operasjonen er nyttig når du trenger å behandle elementene i en matrise en etter en eller når du vil gjøre data mer egnet for visse algoritmer.

Det er tre mulige alternativer for flatting i NumPy:

Bruke ndarray.reshape(-1)-metoden eller numpy.reshape(array, -1)-funksjonen;
Bruke ndarray.ravel()-metoden eller numpy.ravel(array)-funksjonen;
Bruke ndarray.flatten()-metoden.

reshape(-1)

Metoden .reshape(-1) eller funksjonen reshape(array, -1) vil returnere en sammenhengende flatet matrise med samme antall elementer.

Som vi allerede har nevnt i forrige kapittel, beregner -1 automatisk størrelsen på dimensjonen basert på den opprinnelige matrisens størrelse. Siden vi bare sender et enkelt heltall for shape, returneres en 1D-matrise med samme antall elementer.


              1234567
            
import numpy as np
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
flattened_array = array_2d.reshape(-1)
print(f'Flatenned array: {flattened_array}')
# Changing the first element of flattened_array
flattened_array[0] = 10
print(f'Modified initial array:\n{array_2d}')

Metoden .reshape() eller den respektive funksjonen returnerer en visning av den opprinnelige arrayen, så eventuelle endringer gjort på den omformede arrayen vil også påvirke den opprinnelige arrayen.

Å bruke flattened_array = np.reshape(array_2d, -1) kan brukes i stedet for å kalle metoden.

ravel()

Metoden ndarray.ravel() eller funksjonen numpy.ravel(array) fungerer på samme måte som reshape(-1) og returnerer også en visning av den opprinnelige arrayen:


              1234567
            
import numpy as np
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
flattened_array = array_2d.ravel()
print(f'Flatenned array: {flattened_array}')
# Changing the first element of flattened_array
flattened_array[0] = 10
print(f'Modified initial array:\n{array_2d}')

flattened_array = np.ravel(array_2d) kan brukes i stedet for å kalle metoden.

ndarray.flatten()

Hvis du ønsker en kopi av den opprinnelige arrayen, ikke en visning, kan du bruke .flatten()-metoden:


              1234567
            
import numpy as np
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
flattened_array = array_2d.flatten()
print(f'Flatenned array: {flattened_array}')
# Changing the first element of flattened_array
flattened_array[0] = 10
print(f'Initial array:\n{array_2d}')

Merk

Du kan alltid kopiere en visning av en matrise for å lage et separat objekt og endre denne kopien uten å påvirke den opprinnelige matrisen.

Oppgave

Swipe to start coding

Bruk .flatten() metoden korrekt for å flate ut exam_scores og lagre resultatet i exam_scores_flattened.
Bruk .reshape() metoden korrekt for å flate ut exam_scores og lagre resultatet i exam_scores_reshaped.
Bruk .ravel() metoden for å flate ut exam_scores og lagre resultatet i exam_scores_raveled.
Av de tre opprettede flate matrisene, velg den som er en kopi av den opprinnelige matrisen, ikke en visning, og tilordne 100 til det første elementet (bruk positiv indeksering).

Løsning

Bytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 3. Kapittel 5

Spør AI

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

Utflating av Matriser

Flatting en matrise betyr å konvertere den fra en flerdimensjonal matrise til en 1D-matrise, i hovedsak å avdekke innholdet.

Denne operasjonen er nyttig når du trenger å behandle elementene i en matrise en etter en eller når du vil gjøre data mer egnet for visse algoritmer.

Det er tre mulige alternativer for flatting i NumPy:

Bruke ndarray.reshape(-1)-metoden eller numpy.reshape(array, -1)-funksjonen;
Bruke ndarray.ravel()-metoden eller numpy.ravel(array)-funksjonen;
Bruke ndarray.flatten()-metoden.

reshape(-1)

Metoden .reshape(-1) eller funksjonen reshape(array, -1) vil returnere en sammenhengende flatet matrise med samme antall elementer.


              1234567
            
import numpy as np
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
flattened_array = array_2d.reshape(-1)
print(f'Flatenned array: {flattened_array}')
# Changing the first element of flattened_array
flattened_array[0] = 10
print(f'Modified initial array:\n{array_2d}')

Å bruke flattened_array = np.reshape(array_2d, -1) kan brukes i stedet for å kalle metoden.

ravel()

Metoden ndarray.ravel() eller funksjonen numpy.ravel(array) fungerer på samme måte som reshape(-1) og returnerer også en visning av den opprinnelige arrayen:


              1234567
            
import numpy as np
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
flattened_array = array_2d.ravel()
print(f'Flatenned array: {flattened_array}')
# Changing the first element of flattened_array
flattened_array[0] = 10
print(f'Modified initial array:\n{array_2d}')

flattened_array = np.ravel(array_2d) kan brukes i stedet for å kalle metoden.

ndarray.flatten()

Hvis du ønsker en kopi av den opprinnelige arrayen, ikke en visning, kan du bruke .flatten()-metoden:


              1234567
            
import numpy as np
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
flattened_array = array_2d.flatten()
print(f'Flatenned array: {flattened_array}')
# Changing the first element of flattened_array
flattened_array[0] = 10
print(f'Initial array:\n{array_2d}')

Merk

Du kan alltid kopiere en visning av en matrise for å lage et separat objekt og endre denne kopien uten å påvirke den opprinnelige matrisen.

Oppgave

Swipe to start coding

Bruk .flatten() metoden korrekt for å flate ut exam_scores og lagre resultatet i exam_scores_flattened.
Bruk .reshape() metoden korrekt for å flate ut exam_scores og lagre resultatet i exam_scores_reshaped.
Bruk .ravel() metoden for å flate ut exam_scores og lagre resultatet i exam_scores_raveled.
Av de tre opprettede flate matrisene, velg den som er en kopi av den opprinnelige matrisen, ikke en visning, og tilordne 100 til det første elementet (bruk positiv indeksering).

Løsning

Bytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 3. Kapittel 5

Bytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor