Arrays Herschikken
Array-herstructurering in NumPy maakt het mogelijk om de vorm van een array te wijzigen zonder elementen te verliezen. Dit is een veelgebruikte bewerking in de machine learning, omdat veel functies en methoden van machine learning-bibliotheken vereisen dat arrays een specifieke vorm hebben.
Arrayvormen
De vorm van een NumPy-array is een tuple die het aantal elementen langs elke dimensie (as) aangeeft.
Bijvoorbeeld, een 1D-array met lengte 5 heeft een vorm van (5,), terwijl een 2D-array met 3 rijen en 4 kolommen een vorm van (3, 4) heeft:
1234import 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 beschikken over een .reshape()-methode voor het herschikken van arrays. Alleen de vorm van de resulterende array hoeft te worden opgegeven, hetzij als een integer, een tuple van integers, of als afzonderlijke integers.
Deze methode wijzigt de array niet in plaats, maar retourneert een nieuwe array.
Eigenlijk retourneert .reshape() een view van de oorspronkelijke array, waardoor alle wijzigingen in de hervormde array ook invloed hebben op de originele array.
123456789import 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)
Het aantal elementen in de hervormde array moet gelijk zijn aan dat van de oorspronkelijke array, dus het is niet toegestaan om een willekeurige vorm op te geven.
In ons voorbeeld resulteert het herschikken van de array naar een vorm van 3 rijen en 4 kolommen (3x4) of naar een vorm van 2 blokken, elk met 2 rijen en 3 kolommen (2x2x3) nog steeds in een totaal van 12 elementen.
Herscheppen met -1
In NumPy wordt bij gebruik van -1 in de .reshape()-methode de grootte van die dimensie automatisch berekend op basis van de oorspronkelijke grootte van de array, terwijl het totale aantal elementen gelijk blijft.
Het gebruik van .reshape(-1, 1) is met name nuttig in de machine learning wanneer een 1D-array moet worden omgezet naar een 2D-array met één kolom. Het aantal rijen is in dit geval gelijk aan het aantal elementen (automatisch berekend).
123456import 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 omgevormde array wordt opgeslagen als een 2D-array met 5 rijen en 1 kolom, met de vorm (5, 1). Ter vergelijking: de oorspronkelijke 1D-array heeft de vorm (5,), wat een tuple met één element is. Voor elke 1D-array is de vorm altijd (n,), waarbij n het aantal elementen voorstelt.
numpy.reshape()
De functie reshape() in NumPy is identiek aan de .reshape()-methode, maar je moet een array als eerste argument meegeven. Voor de parameter shape kun je ofwel een tuple van gehele getallen of een enkel geheel getal opgeven, bijvoorbeeld: np.reshape(array, (3, 4)):
123456import 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 kwartaalomzetgegevens voor twee producten in 2021. De eerste 4 elementen vertegenwoordigen de kwartaalomzet van het eerste product, en de laatste 4 elementen vertegenwoordigen de kwartaalomzet van het tweede product.
- Gebruik de juiste methode van
sales_data_2021om deze om te vormen tot een 2D-array. - De eerste rij moet de kwartaalomzet van het eerste product bevatten.
- De tweede rij moet de kwartaalomzet van het tweede product bevatten.
Oplossing
Bedankt voor je feedback!
single
Vraag AI
Vraag AI
Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.
Awesome!
Completion rate improved to 3.7Arrays Herschikken
Veeg om het menu te tonen
Array-herstructurering in NumPy maakt het mogelijk om de vorm van een array te wijzigen zonder elementen te verliezen. Dit is een veelgebruikte bewerking in de machine learning, omdat veel functies en methoden van machine learning-bibliotheken vereisen dat arrays een specifieke vorm hebben.
Arrayvormen
De vorm van een NumPy-array is een tuple die het aantal elementen langs elke dimensie (as) aangeeft.
Bijvoorbeeld, een 1D-array met lengte 5 heeft een vorm van (5,), terwijl een 2D-array met 3 rijen en 4 kolommen een vorm van (3, 4) heeft:
1234import 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 beschikken over een .reshape()-methode voor het herschikken van arrays. Alleen de vorm van de resulterende array hoeft te worden opgegeven, hetzij als een integer, een tuple van integers, of als afzonderlijke integers.
Deze methode wijzigt de array niet in plaats, maar retourneert een nieuwe array.
Eigenlijk retourneert .reshape() een view van de oorspronkelijke array, waardoor alle wijzigingen in de hervormde array ook invloed hebben op de originele array.
123456789import 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)
Het aantal elementen in de hervormde array moet gelijk zijn aan dat van de oorspronkelijke array, dus het is niet toegestaan om een willekeurige vorm op te geven.
In ons voorbeeld resulteert het herschikken van de array naar een vorm van 3 rijen en 4 kolommen (3x4) of naar een vorm van 2 blokken, elk met 2 rijen en 3 kolommen (2x2x3) nog steeds in een totaal van 12 elementen.
Herscheppen met -1
In NumPy wordt bij gebruik van -1 in de .reshape()-methode de grootte van die dimensie automatisch berekend op basis van de oorspronkelijke grootte van de array, terwijl het totale aantal elementen gelijk blijft.
Het gebruik van .reshape(-1, 1) is met name nuttig in de machine learning wanneer een 1D-array moet worden omgezet naar een 2D-array met één kolom. Het aantal rijen is in dit geval gelijk aan het aantal elementen (automatisch berekend).
123456import 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 omgevormde array wordt opgeslagen als een 2D-array met 5 rijen en 1 kolom, met de vorm (5, 1). Ter vergelijking: de oorspronkelijke 1D-array heeft de vorm (5,), wat een tuple met één element is. Voor elke 1D-array is de vorm altijd (n,), waarbij n het aantal elementen voorstelt.
numpy.reshape()
De functie reshape() in NumPy is identiek aan de .reshape()-methode, maar je moet een array als eerste argument meegeven. Voor de parameter shape kun je ofwel een tuple van gehele getallen of een enkel geheel getal opgeven, bijvoorbeeld: np.reshape(array, (3, 4)):
123456import 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 kwartaalomzetgegevens voor twee producten in 2021. De eerste 4 elementen vertegenwoordigen de kwartaalomzet van het eerste product, en de laatste 4 elementen vertegenwoordigen de kwartaalomzet van het tweede product.
- Gebruik de juiste methode van
sales_data_2021om deze om te vormen tot een 2D-array. - De eerste rij moet de kwartaalomzet van het eerste product bevatten.
- De tweede rij moet de kwartaalomzet van 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!
single
