从ND到1D阵列

Question

假设我有一个数组a：

a = np.array([[1,2,3], [4,5,6]])

array([[1, 2, 3],
       [4, 5, 6]])

我想将其转换为1D数组（即列向量）：

b = np.reshape(a, (1,np.product(a.shape)))

但这又回来了

array([[1, 2, 3, 4, 5, 6]])

这与：

array([1, 2, 3, 4, 5, 6])

我可以将此数组的第一个元素手动转换为1D数组：

b = np.reshape(a, (1,np.product(a.shape)))[0]

但这需要我知道原始数组有多少维（在处理更高维时连接[0]）

是否有一种独立于维度的方法从任意ndarray获取列/行向量？

Answer 1

In [14]: b = np.reshape(a, (np.product(a.shape),))

In [15]: b
Out[15]: array([1, 2, 3, 4, 5, 6])

或者，简单地说：

In [16]: a.flatten()
Out[16]: array([1, 2, 3, 4, 5, 6])

Answer 2

最简单的方法之一是使用flatten()，如下例所示：

 import numpy as np

 batch_y =train_output.iloc[sample, :]
 batch_y = np.array(batch_y).flatten()

我的阵列是这样的：

    0
0   6
1   6
2   5
3   4
4   3
.
.
.

使用flatten()后：

array([6, 6, 5, ..., 5, 3, 6])

这也是解决此类错误的方法：

Cannot feed value of shape (100, 1) for Tensor 'input/Y:0', which has shape '(?,)' 

Answer 3

使用np.ravel（用于1D视图）或np.flatten（用于1D副本）或np.flat（用于1D迭代器）：

In [12]: a = np.array([[1,2,3], [4,5,6]])

In [13]: b = a.ravel()

In [14]: b
Out[14]: array([1, 2, 3, 4, 5, 6])

注意ravel()在可能的情况下返回view的a。所以修改b也会修改a。ravel()当1D元素在内存中是连续的时返回view，但如果通过使用非单位步长（例如a = x[::2]）对另一个数组进行切片而生成a，则返回copy。

如果您想要副本而不是视图，请使用

In [15]: c = a.flatten()

如果只需要迭代器，请使用np.flat：

In [20]: d = a.flat

In [21]: d
Out[21]: <numpy.flatiter object at 0x8ec2068>

In [22]: list(d)
Out[22]: [1, 2, 3, 4, 5, 6]