numpy中增加與減少數據維度

增加維度

在使用神經網絡訓練時，往往要求我們輸入的數據是二維的，但有時我們得到的單條數據是一維的，這時候就需要我們將一維的數據擴展到二維。

方法一

numpy.expand_dims(a, axis)

• 若axis為正，則在a的shape的第axis個位置增加一個維度（從0開始數）

• 若axis為負，則在a的shape的從后往前數第-axis個位置增加一個維度（從1開始數）

舉例：

>>> import numpy as np
>>> a = np.array([1,2,3])
>>> a
array([1, 2, 3])
>>> a.shape
(3,)
>>> np.expand_dims(a, axis=0)
array([[1, 2, 3]])
>>> np.expand_dims(a, axis=0).shape
(1, 3)
>>> np.expand_dims(a, axis=1).shape
(3, 1)

>>> b = np.array([[1,2,3],[2,3,4]])
>>> b.shape
(2, 3)
>>> np.expand_dims(b, axis=0).shape
(1, 2, 3)
>>> np.expand_dims(b, axis=1).shape
(2, 1, 3)
>>> np.expand_dims(b, axis=2).shape 
(2, 3, 1)
>>> np.expand_dims(b, axis=-1).shape
(2, 3, 1)
>>> np.expand_dims(b, axis=-2).shape
(2, 1, 3)
>>> np.expand_dims(b, axis=-3).shape
(1, 2, 3)

方法二

使用numpy.reshape(a, newshape)

>>> a
array([1, 2, 3])
>>> a.shape
(3,)
>>> np.reshape(a, (1,3)).shape
(1, 3)
>>> np.reshape(a, (3,1)).shape
(3, 1)

>>> b
array([[1, 2, 3],
       [2, 3, 4]])
>>> b.shape
(2, 3)
>>> np.reshape(b, (1,2,3)).shape
(1, 2, 3)
>>> np.reshape(b, (2,1,3)).shape
(2, 1, 3)
>>> np.reshape(b, (2,3,1)).shape
(2, 3, 1)

減少維度

有時候我們又想把高維度數據轉換成地維度

方法一

numpy.squeeze(axis=None)

從ndarray的shape中，去掉維度為1的。默認去掉所有的1。

注意：只能去掉shape中的1，其他數字的維度無法去除。

舉例:

>>> a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
>>> a = a.reshape(1, 1, 1, 2, 5)
>>> a.shape
(1, 1, 1, 2, 5)
>>> a.squeeze().shape  # 默認去掉shape中的所有的1
(2, 5)
>>> a.squeeze(0).shape  # 去掉第1個1
(1, 1, 2, 5)
>>> a.squeeze(-3).shape  # 去掉倒數第3個1
(1, 1, 2, 5)

方法二

同上，使用numpy.reshape(a, newshape)