python - 如何在 python 中将二维数组 reshape 为一维数组？

Question

让我再次编辑我的问题。我知道 flatten 是如何工作的，但我正在寻找是否可以删除 inside braces 和简单的 two outside braces 就像在 MATLAB 并保持相同的 (3,4) 形状。这里是 arrays inside array，我只想有一个数组，这样我就可以轻松地绘制它，也可以得到相同的结果，因为它是在 Matlab 中。例如，我有以下 matrix(这是数组中的数组):

s=np.arange(12).reshape(3,4)
print(s)
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]

是否有可能reshape 或 flatten() 它并得到这样的结果:

[ 0  1  2  3
  4  5  6  7
  8  9 10 11]

Answer 1

第一个答案

如果我正确理解了你的问题(还有 4 个其他答案说我没有理解)，你的问题不是如何 flatten() 或 reshape(-1)一个数组，但如何确保即使在 reshape 之后，它仍然每行显示 4 个元素。

严格来说，我认为你做不到。数组只是一堆元素。它们不包含有关我们希望如何查看它们的指示。那是一个打印问题，你应该在打印时解决。您可以在 [此处][1] 看到想要这样做的人...从在 2D 中 reshape 数组开始。

也就是说，无需创建自己的打印函数，您可以使用 np.set_printoptions 控制 numpy 显示数组的方式。

不过，这样做还是有些棘手，因为此函数只允许您指定每行打印多少个字符，而不是元素。因此，您需要知道每个元素需要多少个字符才能强制换行。

在你的例子中:

np.set_printoptions(formatter={"all":lambda x:"{:>6}".format(x)}, linewidth=7+(6+2)*4)

格式化程序确保每个数字使用 6 个字符。线宽，考虑到“数组([”部分，和结束“])”(9 个字符)加上每个元素之间的 2 个“，”，知道我们想要 4 个元素，必须是 9+6×4+2× 3:“数组([...])”有 9 个字符，每 4 个数字 6×4，每个 3“，”分隔符 2×3。或 7+(6+2)×4。

只能打印一次

with np.printoptions(formatter={"all":lambda x:"{:>6}".format(x)}, linewidth=7+(6+2)*4):
    print(s.reshape(-1))

一段时间后编辑:子类

我想到的另一种方法是子类化 ndarray，使其按照您的意愿运行

import numpy as np


class MyArr(np.ndarray):
# To create a new array, with args ls: number of element to print per line, and arr, normal array to take data from
    def __new__(cls, ls, arr):
        n=np.ndarray.__new__(MyArr, (len(arr,)))
        n.ls=ls
        n[:]=arr[:]
        return n

    def __init__(self, *args):
        pass

    # So that this .ls is viral: when ever the array is created from an operation from an array that has this .ls, the .ls is copyied in the new array
    def __array_finalize__(self, obj):
        if not hasattr(self, 'ls') and type(obj)==MyArr and hasattr(obj, 'ls'):
            self.ls=obj.ls

    # Function to print an array with .ls elements per line
    def __repr__(self):
        # For other than 1D array, just use standard representation
        if len(self.shape)!=1:
            return super().__repr__()

        mxsize=max(len(str(s)) for s in self)
        s='['
        for i in range(len(self)):
            if i%self.ls==0 and i>0:
                 s+='\n '
            s+=f'{{:{mxsize}}}'.format(self[i])
            if i+1<len(self): s+=', '
        s+=']'
        return s

现在您可以使用此 MyArr 构建您自己的一维数组

MyArr(4, range(12))

表演

[ 0.0,  1.0,  2.0,  3.0, 
  4.0,  5.0,  6.0,  7.0, 
  8.0,  9.0, 10.0, 11.0]

您可以在任何 1d ndarray 合法的地方使用它。大多数时候，.ls 属性会跟随(我说“大部分时间”，因为我不能保证某些函数不会构建一个新的 ndarray，并用这个中的数据填充它们一)

a=MyArr(4, range(12))
a*2
#[ 0.0,  2.0,  4.0,  6.0, 
#  8.0, 10.0, 12.0, 14.0, 
# 16.0, 18.0, 20.0, 22.0]
a*a
#[  0.0,   1.0,   4.0,   9.0, 
#  16.0,  25.0,  36.0,  49.0, 
#  64.0,  81.0, 100.0, 121.0]
a[8::-1]
#[8.0, 7.0, 6.0, 5.0, 
# 4.0, 3.0, 2.0, 1.0, 
# 0.0]

# It even resists reshaping
b=a.reshape((3,4))
b
#MyArr([[ 0.,  1.,  2.,  3.],
#       [ 4.,  5.,  6.,  7.],
#       [ 8.,  9., 10., 11.]])
b.reshape((12,))
#[ 0.0,  1.0,  2.0,  3.0, 
#  4.0,  5.0,  6.0,  7.0, 
#  8.0,  9.0, 10.0, 11.0]

# Or fancy indexing
a[np.array([1,2,5,5,5])]
#[1.0, 2.0, 5.0, 5.0,
# 5.0]


# Or matrix operations
M=np.eye(12,k=1)+2*M.identity(12) # Just a matrix
M@a
#[ 1.0,  4.0,  7.0, 10.0, 
# 13.0, 16.0, 19.0, 22.0, 
# 25.0, 28.0, 31.0, 22.0]
np.diag(M*a)
#[ 0.0,  2.0,  4.0,  6.0, 
#  8.0, 10.0, 12.0, 14.0, 
# 16.0, 18.0, 20.0, 22.0]

# But of course, some time you loose the MyArr class
import pandas as pd
pd.DataFrame(a, columns=['v']).v.values
#array([ 0.,  1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9., 10., 11.])

  [1]: https://stackoverflow.com/questions/25991666/how-to-efficiently-output-n-items-per-line-from-numpy-array