Numpy图解

目录

高维数组

创建数组

高维数组运算

连接函数hstack、vstack和dstack

堆叠函数concatenate

求和函数einsum

高维数组 创建数组

通过重排一维向量或转换嵌套的Python列表来创建3D数组时，索引的含义为（z，y，x）。

第一个索引是平面的编号，然后才是在该平面上的移动：

这种索引顺序很方便，例如用于保留一堆灰度图像：这a[i]是引用第i个图像的快捷方式。

但是此索引顺序不是通用的。处理RGB图像时，通常使用（y，x，z）顺序：前两个是像素坐标，最后一个是颜色坐标（Matplotlib中是RGB ，OpenCV中是BGR ）：

这样，可以方便地引用特定像素：a[i,j]给出像素的RGB元组(i,j)。

因此，创建特定几何形状的实际命令取决于正在处理的域的约定：

高维数组运算 连接函数hstack、vstack和dstack

显然，NumPy函数像hstack、vstack或dstack不知道这些约定。其中硬编码的索引顺序是（y，x，z），RGB图像顺序是：

△RGB图像数组（为简便起见，上图仅2种颜色）

堆叠函数concatenate

如果数据的布局不同，则使用concatenate命令堆叠图像，并在axis参数中提供显式索引数会更方便：

如果不方便使用axis，可以将数组转换硬编码为hstack的形式：

这种转换没有实际的复制发生。它只是混合索引的顺序。

混合索引顺序的另一个 *** 作是数组转置。检查它可能会让我们对三维数组更加熟悉。

根据我们决定的axis顺序，转置数组所有平面的实际命令将有所不同：对于通用数组，它交换索引1和2，对于RGB图像，它交换0和1：

有趣的是，（和唯一的 *** 作模式）默认的axes参数颠倒了索引顺序，这与上述两个索引顺序约定都不相符。

求和函数einsum

最后，还有一个函数，可以在处理多维数组时节省很多Python循环，并使代码更简洁，这就是爱因斯坦求和函数einsum：

它将沿重复索引的数组求和。