Вивчайте Зміна Форми Масивів | Поширені Функції NumPy

Секція 3. Розділ 4

single

Свайпніть щоб показати меню

Зміна форми масиву у NumPy дозволяє змінювати форму масиву, зберігаючи всі його елементи. Це часто використовувана операція в машинному навчанні, оскільки багато функцій і методів бібліотек машинного навчання вимагають, щоб масиви мали певну форму.

Форми масивів

Визначення

Форма масиву NumPy — це кортеж, що вказує кількість елементів по кожному виміру (осі).

Наприклад, одномірний масив довжини 5 має форму (5,), тоді як двовимірний масив з 3 рядками та 4 стовпцями має форму (3, 4):


              1234
            
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()

Масиви NumPy мають метод .reshape() для зміни форми. Необхідно лише передати форму нового масиву у вигляді цілого числа, кортежу цілих чисел або окремих цілих чисел як аргументи.

Цей метод не змінює масив на місці, а повертає новий масив.

Примітка

Насправді, .reshape() повертає представлення (view) оригінального масиву, тому будь-які зміни у зміненому масиві також впливатимуть на оригінальний масив.


              123456789
            
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)

Примітка

Кількість елементів у зміненому масиві повинна збігатися з кількістю елементів в оригінальному масиві, тому не можна передавати довільну форму.

У нашому прикладі зміна форми масиву на 3 рядки та 4 стовпці (3x4) або на 2 блоки, кожен з яких містить 2 рядки та 3 стовпці (2x2x3) все одно дає загалом 12 елементів.

Зміна форми з -1

У NumPy при використанні -1 у методі .reshape() розмір цієї виміри автоматично обчислюється на основі розміру початкового масиву, при цьому загальна кількість елементів залишається незмінною.

Використання .reshape(-1, 1) особливо корисне у машинному навчанні, коли потрібно перетворити одномірний масив у двовимірний масив з одним стовпцем. Кількість рядків у цьому випадку дорівнює кількості елементів (обчислюється автоматично).


              123456
            
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)

Переформатований масив зберігається як 2D-масив з 5 рядками та 1 стовпцем, що має форму (5, 1). На відміну від цього, початковий 1D-масив має форму (5,), тобто кортеж з одним елементом. Для будь-якого 1D-масиву форма завжди виглядає як (n,), де n — кількість елементів.

numpy.reshape()

Функція reshape() у NumPy ідентична методу .reshape(), але першим аргументом потрібно передати масив. Для параметра shape можна передати або кортеж цілих чисел, або одне ціле число, наприклад: np.reshape(array, (3, 4)):


              123456
            
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)

Завдання

Swipe to start coding

У вас є масив sales_data_2021 із змодельованими квартальними даними продажів для двох продуктів у 2021 році. Перші 4 елементи представляють квартальні продажі першого продукту, а останні 4 елементи — квартальні продажі другого продукту.

Використайте відповідний метод масиву sales_data_2021, щоб змінити його форму на двовимірний масив.
У першому рядку повинні бути квартальні продажі першого продукту.
У другому рядку повинні бути квартальні продажі другого продукту.

Рішення

Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 3. Розділ 4

single

Запитати АІ

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат