当前位置：首页 > news >正文

numpy___数组/图像形状改变（transpose和reshape详解）

news 2025/11/7 11:03:21

一、numpy如何表示行向量或者列向量

1、在 NumPy 中，一维数组本身没有行或列的方向概念，示例如下：

>>> a=np.array([1,2,3,4])
>>> print(a.shape)
(4,)
>>> print(a)
[1 2 3 4]
>>> b=a.T
>>> print(b.shape)
(4,)
>>> print(b)
[1 2 3 4]
>>>
>>>
>>>

2、形状（shape）

a=[[[0,1,2,3],[4,5,6,7],[8,9,10,11]],[[12,13,14,15],[16,17,18,19],[20,21,22,23]]]
npa=np.array(a)
print(npa)
print(npa.shape)

输出结果如下

[[[ 0  1  2  3][ 4  5  6  7][ 8  9 10 11]][[12 13 14 15][16 17 18 19][20 21 22 23]]]
(2, 3, 4)

npa的形状是(2,3,4),代表两层,三行、四列，从左向右纬度依次下降；
由4个单元素扩展组成一纬数组（行），
由上述的行，扩展三行组成二纬数组（平面/矩阵）
由上述平面，空间扩展两层组成三维数组（空间）

npb=np.array(range(24)).reshape((2,3,4))

npb与上述npa一样，形状是（2，3，4）

3、图像的形状

import numpy as np
from PIL import Imagenew_image_a=Image.new("RGB",(5,6),color="white")
npimga=np.array(new_image_a)
print(npimga.shape)
print(npimga)

(5,6) 代表图片的宽和高（长和宽），宽5个像素，高6个像素，实际上是6行5列（与ndarray相反）
PIL/几乎所有图像处理库都是 size=(宽度，高度)
numpy 数组形状 shape=(行数，列数)=（高度，宽度）与图像相反
6曾层、5行、3列
输出结果如下

(6, 5, 3)
[[[255 255 255][255 255 255][255 255 255][255 255 255][255 255 255]][[255 255 255][255 255 255][255 255 255][255 255 255][255 255 255]][[255 255 255][255 255 255][255 255 255][255 255 255][255 255 255]][[255 255 255][255 255 255][255 255 255][255 255 255][255 255 255]][[255 255 255][255 255 255][255 255 255][255 255 255][255 255 255]][[255 255 255][255 255 255][255 255 255][255 255 255][255 255 255]]]

二、reshape详解

1、语法

numpy.reshape(a, newshape, order='C')
# 或使用数组方法
a.reshape(shape, order='C')

shape是一个元组类型，表示重塑形后的形状，从左到右维度依此下降。

m=(1,)
n=(2,3,4)
print(m+n)
print(n+m)
# 输出结果如下
(1, 2, 3, 4)
(2, 3, 4, 1)image.reshape((1,) + image.shape)  # 相当于对原形状向高纬度扩充一维，维度大小为1
image.reshape(image.shape+(1,))  # 相当于对原形状向低纬度扩充一维，维度大小为1na.reshape(-1) # 将多维转变成一维（一行）

三、transpose

1、语法

numpy.transpose(a, axes=None)
# 或使用数组的成员函数
a.transpose(axes=None)

axes 整数元组，代表转换后的形状

2、实例详解

t=[[1,2,3],[4,5,6]]
t=np.array(t)
t1=t.transpose((0,1))
tuple1=(1,0)
t2=t.transpose(tuple1)
t3=t.T
print(t1)
# [[1 2 3]
#  [4 5 6]]
print(t2)
# [[1 4]
#  [2 5]
#  [3 6]]print(t3)
# [[1 4]
#  [2 5]
#  [3 6]]