Arrays Herschikken
Array reshaping in NumPy stelt je in staat om de vorm van een array te veranderen terwijl alle elementen behouden blijven. Het is een veelgebruikte bewerking in machine learning omdat veel functies en methoden van machine learning-bibliotheken vereisen dat arrays een specifieke vorm hebben.
Arrayvormen
Bijvoorbeeld, een 1D-array van lengte 5 heeft een vorm van (5,), terwijl een 2D-array met 3 rijen en 4 kolommen een vorm heeft van (3, 4):
import numpy as np array_1d = np.array([5, 7, 1, 10, 9]) array_2d = np.zeros((3, 4)) print(array_1d.shape, array_2d.shape)
ndarray.reshape()
NumPy arrays hebben een .reshape() methode voor het herschikken. Je hoeft alleen de vorm van de resulterende array door te geven, hetzij als een integer, een tuple van integers, of integers als aparte argumenten.
Deze methode wijzigt de array niet ter plaatse, maar retourneert een nieuwe array.
Opmerking
In feite retourneert
.reshape()een view van de originele array, dus alle wijzigingen die aan de herschikte array worden aangebracht, zullen ook de originele array beïnvloeden.
import numpy as np # Creating a 1D array from 0 to 11 inclusive array = np.arange(12) # Reshaping the array to a 3x4 2D array (matrix) reshaped_array_2d = array.reshape(3, 4) print(reshaped_array_2d) # Reshaping the array to a 2x2x3 3D array reshaped_array_3d = array.reshape(2, 2, 3) print(reshaped_array_3d)
Opmerking
Het aantal elementen in de herschikte array moet hetzelfde zijn als in de oorspronkelijke array, dus je kunt geen willekeurige vorm doorgeven.
In ons voorbeeld resulteert het herschikken van de array naar een vorm van 3 rijen en 4 kolommen (3 x 4) of naar een vorm van 2 blokken, elk met 2 rijen en 3 kolommen (2 x 2 x 3) nog steeds in een totaal van 12 elementen.
Herstructureren met -1
In NumPy, wanneer je -1 gebruikt in de .reshape() methode, berekent het automatisch de grootte van die dimensie op basis van de grootte van de oorspronkelijke array, terwijl het totale aantal elementen hetzelfde blijft.
Het gebruik van .reshape(-1, 1) is bijzonder nuttig in machine learning wanneer we een 1D-array moeten herstructureren naar een 2D-array met één kolom. Het aantal rijen in dit geval is gelijk aan het aantal elementen (automatisch berekend).
import numpy as np # Creating a 1D array from 0 to 4 inclusive array = np.arange(5) # Reshaping the array to a 2D array with one column reshaped_array = array.reshape(-1, 1) print(reshaped_array)
De hervormde array wordt opgeslagen als een 2D-array met 5 rijen en 1 kolom, met de vorm (5, 1). Daarentegen heeft de initiële 1D-array de vorm (5,), wat een tupel met een enkel element is. Voor elke 1D-array is de vorm altijd (n,), waarbij n het aantal elementen vertegenwoordigt.
numpy.reshape()
De functie reshape() in NumPy is identiek aan de .reshape() methode, maar je moet een array als eerste argument doorgeven. Voor de shape parameter kun je ofwel een tupel van gehele getallen of een enkel geheel getal doorgeven, bijvoorbeeld np.reshape(array, (3, 4)):
import numpy as np # Creating a 1D array from 0 to 11 inclusive array = np.arange(12) # Reshaping the array to a 3x4 2D array (matrix) reshaped_array_2d = np.reshape(array, (3, 4)) print(reshaped_array_2d)
Swipe to start coding
Je hebt een sales_data_2021 array met gesimuleerde kwartaalverkoopgegevens voor twee producten in 2021. De eerste 4 elementen vertegenwoordigen de kwartaalverkopen voor het eerste product, en de laatste 4 elementen vertegenwoordigen de kwartaalverkopen voor het tweede product.
-
Gebruik de juiste methode van
sales_data_2021om het om te vormen tot een 2D-array. -
De eerste rij moet de kwartaalverkopen voor het eerste product bevatten.
-
De tweede rij moet de kwartaalverkopen voor het tweede product bevatten.
Oplossing
Schakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande optiesBedankt voor je feedback!
Schakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande opties