Convertir un tableau 1D à un tableau 2D dans numpy

Je veux convertir un 1-dimensions tableau dans un tableau en 2 dimensions, en spécifiant le nombre de colonnes dans le tableau 2D. Quelque chose qui pourrait fonctionner comme ceci:

> import numpy as np
> A = np.array([1,2,3,4,5,6])
> B = vec2matrix(A,ncol=2)
> B
array([[1, 2],
       [3, 4],
       [5, 6]])

Ne numpy ont une fonction qui fonctionne comme mon fait fonction de "vec2matrix"? (Je comprends que vous ne pouvez indice 1D tableau comme un tableau 2D, mais ce n'est pas une option dans le code, j'ai besoin de faire cette conversion.)

InformationsquelleAutor Alex Williams | 2012-09-25
  1. 117

    Vous voulez carré le tableau.

    B = np.reshape(A, (-1, 2))
    • ce n'-1 indiquer?
    • en déduit la taille de la nouvelle dimension de la taille de l'entrée de gamme.
    InformationsquelleAutor Matt Ball
  2. 36

    Vous avez deux options:

    • Si vous ne souhaitez plus la forme de l'original, le plus simple est juste d'attribuer une nouvelle forme de la matrice

      a.shape = (a.size//ncols, ncols)

      Vous pouvez changer la a.size//ncols par -1 pour calculer la bonne forme automatiquement. Assurez-vous que a.shape[0]*a.shape[1]=a.size, que vous découvrirez un problème.

    • Vous pouvez obtenir un nouveau tableau avec les np.reshape fonction, qui fonctionne essentiellement comme la version présentée ci-dessus

      new = np.reshape(a, (-1, ncols))

      Lorsque c'est possible, new sera juste une vue de la table initiale a, ce qui signifie que les données sont partagées. Dans certains cas, cependant, new tableau sera acopy à la place. Notez que np.reshape accepte aussi un mot-clé facultatif order qui vous permet de changer de ligne-major C pour la colonne principale Fortran commande. np.reshape est la fonction de la version de la a.reshape méthode.

    Si vous ne pouvez pas respecter l'exigence a.shape[0]*a.shape[1]=a.size, vous êtes coincé avec le devoir créer un nouveau tableau. Vous pouvez utiliser le np.resize de la fonction et de la mélanger avec np.reshape, comme

    >>> a =np.arange(9)
>>> np.resize(a, 10).reshape(5,2)
    • réponse complète! Cela devrait être accepté par un!
    InformationsquelleAutor Pierre GM
  3. 4

    Essayez quelque chose comme:

    B = np.reshape(A,(-1,ncols))

    Vous aurez besoin pour vous assurer que vous pouvez diviser le nombre d'éléments dans votre tableau en ncols bien. Vous pouvez aussi jouer avec l'ordre dans lequel les nombres sont tirés dans B à l'aide de la order mot-clé.

    InformationsquelleAutor JoshAdel
  4. -1

    Vous pouvez utiliserflatten() de la numpy paquet.

    import numpy as np
a = np.array([[1, 2],
       [3, 4],
       [5, 6]])
a_flat = a.flatten()
print(f"original array: {a} \nflattened array = {a_flat}")

    De sortie:

    original array: [[1 2]
 [3 4]
 [5 6]] 
flattened array = [1 2 3 4 5 6]
    InformationsquelleAutor Rafi