Svep för att visa menyn

Utjämning av Arrayer

Platta ut en array innebär att konvertera den från en flerdimensionell array till en 1D-array, i huvudsak att avveckla dess innehåll.

Denna operation är användbar när du behöver bearbeta elementen i en array en efter en eller när du vill göra data mer lämplig för vissa algoritmer.

Det finns tre möjliga alternativ för att platta ut i NumPy:

Använda metoden ndarray.reshape(-1) eller funktionen numpy.reshape(array, -1);
Använda metoden ndarray.ravel() eller funktionen numpy.ravel(array);
Använda metoden ndarray.flatten().

reshape(-1)

Metoden .reshape(-1) eller funktionen reshape(array, -1) kommer att returnera en kontinuerlig platt array med samma antal element.

Som vi redan nämnt i föregående kapitel, beräknar -1 automatiskt storleken på dimensionen baserat på den ursprungliga arrayens storlek. Eftersom vi endast skickar ett heltal för shape, returneras en 1D-array med samma antal element.


              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 funktionen returnerar en vy av den ursprungliga arrayen, så alla ändringar som görs på den omformade arrayen kommer också att påverka den ursprungliga arrayen.

Att använda flattened_array = np.reshape(array_2d, -1) kan användas istället för att anropa metoden.

ravel()

Metoden ndarray.ravel() eller funktionen numpy.ravel(array) fungerar på samma sätt som reshape(-1) och returnerar också en vy av den ursprungliga 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 användas istället för att anropa metoden.

ndarray.flatten()

Om du vill ha en kopia av den ursprungliga arrayen, inte en vy, kan du använda .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}')

Notera

Du kan alltid kopiera en vy av en array för att skapa ett separat objekt och ändra denna kopia utan att påverka den ursprungliga arrayen.

Uppgift

Swipe to start coding

Använd .flatten() metoden korrekt för att platta ut exam_scores och lagra resultatet i exam_scores_flattened.
Använd .reshape() metoden korrekt för att platta ut exam_scores och lagra resultatet i exam_scores_reshaped.
Använd .ravel() metoden för att platta ut exam_scores och lagra resultatet i exam_scores_raveled.
Av de tre skapade plattade arrayerna, välj den som är en kopia av den ursprungliga arrayen, inte en vy, och tilldela 100 till dess första element (använd positiv indexering).

Lösning

Byt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 3. Kapitel 5

Fråga AI

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

Utjämning av Arrayer

Platta ut en array innebär att konvertera den från en flerdimensionell array till en 1D-array, i huvudsak att avveckla dess innehåll.

Denna operation är användbar när du behöver bearbeta elementen i en array en efter en eller när du vill göra data mer lämplig för vissa algoritmer.

Det finns tre möjliga alternativ för att platta ut i NumPy:

Använda metoden ndarray.reshape(-1) eller funktionen numpy.reshape(array, -1);
Använda metoden ndarray.ravel() eller funktionen numpy.ravel(array);
Använda metoden ndarray.flatten().

reshape(-1)

Metoden .reshape(-1) eller funktionen reshape(array, -1) kommer att returnera en kontinuerlig platt array med samma antal element.


              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}')

Att använda flattened_array = np.reshape(array_2d, -1) kan användas istället för att anropa metoden.

ravel()

Metoden ndarray.ravel() eller funktionen numpy.ravel(array) fungerar på samma sätt som reshape(-1) och returnerar också en vy av den ursprungliga 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 användas istället för att anropa metoden.

ndarray.flatten()

Om du vill ha en kopia av den ursprungliga arrayen, inte en vy, kan du använda .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}')

Notera

Du kan alltid kopiera en vy av en array för att skapa ett separat objekt och ändra denna kopia utan att påverka den ursprungliga arrayen.

Uppgift

Swipe to start coding

Använd .flatten() metoden korrekt för att platta ut exam_scores och lagra resultatet i exam_scores_flattened.
Använd .reshape() metoden korrekt för att platta ut exam_scores och lagra resultatet i exam_scores_reshaped.
Använd .ravel() metoden för att platta ut exam_scores och lagra resultatet i exam_scores_raveled.
Av de tre skapade plattade arrayerna, välj den som är en kopia av den ursprungliga arrayen, inte en vy, och tilldela 100 till dess första element (använd positiv indexering).

Lösning

Byt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 3. Kapitel 5

Byt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan