Привет! В NumPy форма массива — это количество элементов по каждому измерению. Иногда нужно изменить форму массива: превратить одномерный в двумерный, или наоборот. Для этого есть три основных метода: reshape(), ravel() и flatten().
В этой статье мы разберём:
reshape()— изменение формыravel()— преобразование в одномерный (view)flatten()— преобразование в одномерный (copy)- Отличия между методами
- Практические примеры
- Что нужно знать перед началом
- Основная часть
- Что такое форма массива
- reshape() — изменение формы
- reshape() с -1
- ravel() — преобразование в одномерный (view)
- flatten() — преобразование в одномерный (copy)
- ravel() vs flatten()
- reshape() vs resize()
- Изменение формы многомерных массивов
- Полный пример
- Задачи для закрепления
- Нюансы и подводные камни
- ravel() иногда возвращает копию
- reshape() не меняет порядок данных
- Ошибка при несовпадении размеров
- Частые ошибки и как их избежать
- Ошибка 1: Несовпадение размеров
- Ошибка 2: Изменение исходного массива через ravel()
- Ошибка 3: Путаница между reshape() и resize()
- Шпаргалка
- Заключение
- КВИЗ
- Что дальше?
Что нужно знать перед началом
Для этого урока тебе понадобится:
- Установленный NumPy
- Базовое понимание массивов и их атрибутов
Совет: Изменение формы не меняет данные, только их представление.
Основная часть
Что такое форма массива
Форма массива — это кортеж, указывающий размер по каждому измерению.
import numpy as np
# Одномерный массив
arr1 = np.array([1, 2, 3, 4, 5, 6])
print(arr1.shape) # (6,)
# Двумерный массив
arr2 = np.array([[1, 2, 3], [4, 5, 6]])
print(arr2.shape) # (2, 3)Совет: Количество элементов должно совпадать при изменении формы.
reshape() — изменение формы
reshape() изменяет форму массива, не меняя данные.
arr = np.array([1, 2, 3, 4, 5, 6])
# Превращаем в матрицу 2x3
reshaped = arr.reshape(2, 3)
print(reshaped)
# [[1 2 3]
# [4 5 6]]
# Превращаем в матрицу 3x2
reshaped_2 = arr.reshape(3, 2)
print(reshaped_2)
# [[1 2]
# [3 4]
# [5 6]]Совет: Общее количество элементов должно совпадать.
reshape() с -1
-1 означает «вычислить автоматически».
arr = np.array([1, 2, 3, 4, 5, 6])
# Автоматически вычисляем количество строк
reshaped = arr.reshape(2, -1) # 2 строки, столбцы автоматически
print(reshaped)
# [[1 2 3]
# [4 5 6]]
# Автоматически вычисляем количество столбцов
reshaped = arr.reshape(-1, 2) # 2 столбца, строки автоматически
print(reshaped)
# [[1 2]
# [3 4]
# [5 6]]Совет:
-1удобно, когда не хочется считать размеры вручную.
ravel() — преобразование в одномерный (view)
ravel() возвращает одномерный массив, создавая view (представление) исходного массива.
arr = np.array([[1, 2, 3], [4, 5, 6]])
# Превращаем в одномерный
raveled = arr.ravel()
print(raveled) # [1 2 3 4 5 6]
# Изменяем raveled → меняется исходный массив
raveled[0] = 99
print(arr) # [[99 2 3]
# [4 5 6]]Важно:
ravel()создаётview(представление). Изменениеraveledменяет исходный массив.
flatten() — преобразование в одномерный (copy)
flatten() возвращает одномерный массив, создавая копию.
arr = np.array([[1, 2, 3], [4, 5, 6]])
# Превращаем в одномерный
flattened = arr.flatten()
print(flattened) # [1 2 3 4 5 6]
# Изменяем flattened → исходный массив не меняется
flattened[0] = 99
print(arr) # [[1 2 3]
# [4 5 6]]Совет:
flatten()безопаснее, если не хочешь менять исходный массив.
ravel() vs flatten()
| Метод | Возвращает | Производительность | Изменяет исходный |
|---|---|---|---|
ravel() | view (представление) | Быстрее | Да |
flatten() | copy (копия) | Медленнее | Нет |
arr = np.array([[1, 2, 3], [4, 5, 6]])
# Проверяем, что это view
r = arr.ravel()
f = arr.flatten()
print(r.base is arr) # True (view)
print(f.base is arr) # False (copy)Совет: Если нужно изменить данные — используй
ravel(). Если нет —flatten().
reshape() vs resize()
reshape() возвращает новый массив с изменённой формой.
resize() изменяет исходный массив на месте.
arr = np.array([1, 2, 3, 4, 5, 6])
# reshape — создаёт новый массив
reshaped = arr.reshape(2, 3)
print(arr) # [1 2 3 4 5 6] — не изменился
print(reshaped) # [[1 2 3]
# [4 5 6]]
# resize — изменяет исходный массив
arr.resize(2, 3)
print(arr) # [[1 2 3]
# [4 5 6]]Совет:
resize()меняет исходный массив,reshape()— нет.
Изменение формы многомерных массивов
arr_3d = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print(arr_3d.shape) # (2, 2, 2)
# Превращаем в двумерный
reshaped = arr_3d.reshape(4, 2)
print(reshaped)
# [[1 2]
# [3 4]
# [5 6]
# [7 8]]
# Превращаем в одномерный
flattened = arr_3d.flatten()
print(flattened) # [1 2 3 4 5 6 7 8]Полный пример
import numpy as np
# Создаём массив
arr = np.arange(12)
print("Исходный массив:", arr)
# reshape
reshaped = arr.reshape(3, 4)
print("reshape (3x4):\n", reshaped)
# reshape с -1
reshaped_auto = arr.reshape(-1, 3)
print("reshape (-1, 3):\n", reshaped_auto)
# ravel (view)
raveled = reshaped.ravel()
print("ravel:", raveled)
# flatten (copy)
flattened = reshaped.flatten()
print("flatten:", flattened)
# Изменяем raveled
raveled[0] = 99
print("После изменения raveled:")
print("reshaped:\n", reshaped) # изменился
print("flattened:", flattened) # не изменился
# Проверка, что ravel — view
print("ravel.base is reshaped:", raveled.base is reshaped)
print("flatten.base is reshaped:", flattened.base is reshaped)Результат:
Исходный массив: [0 1 2 3 4 5 6 7 8 9 10 11]
reshape (3x4):
[[0 1 2 3]
[4 5 6 7]
[8 9 10 11]]
reshape (-1, 3):
[[0 1 2]
[3 4 5]
[6 7 8]
[9 10 11]]
ravel: [0 1 2 3 4 5 6 7 8 9 10 11]
flatten: [0 1 2 3 4 5 6 7 8 9 10 11]
После изменения raveled:
reshaped:
[[99 1 2 3]
[4 5 6 7]
[8 9 10 11]]
flattened: [0 1 2 3 4 5 6 7 8 9 10 11]
ravel.base is reshaped: True
flatten.base is reshaped: FalseЗадачи для закрепления
Задача 1. Измени форму массива из 12 элементов на 3×4.
Задача 2. Преврати двумерный массив в одномерный с помощью ravel().
Задача 3. Создай копию одномерного массива с помощью flatten().
Задача 4. Используй reshape(-1, 1) для превращения одномерного массива в вектор-столбец.
Задача 5. В чём разница между ravel() и flatten()?
Ответы:
Задача 1.
arr = np.arange(12)
reshaped = arr.reshape(3, 4)
print(reshaped)Задача 2.
arr_2d = np.array([[1, 2], [3, 4]])
raveled = arr_2d.ravel()
print(raveled) # [1 2 3 4]Задача 3.
arr_2d = np.array([[1, 2], [3, 4]])
flattened = arr_2d.flatten()
print(flattened) # [1 2 3 4]Задача 4.
arr = np.array([1, 2, 3, 4])
col = arr.reshape(-1, 1)
print(col)
# [[1]
# [2]
# [3]
# [4]]Задача 5.
# ravel() — view (изменяет исходный массив)
# flatten() — copy (не изменяет исходный массив)Нюансы и подводные камни
ravel() иногда возвращает копию
Если массив не является непрерывным в памяти, ravel() может вернуть копию.
reshape() не меняет порядок данных
Элементы читаются по строкам (C-стиль) по умолчанию.
Ошибка при несовпадении размеров
reshape() вызовет ошибку, если общее количество элементов не совпадает.
Частые ошибки и как их избежать
Ошибка 1: Несовпадение размеров
# Ошибка! 6 ≠ 8
arr = np.array([1, 2, 3, 4, 5, 6])
# arr.reshape(2, 4) # ValueErrorОшибка 2: Изменение исходного массива через ravel()
Если не хочешь менять исходный — используй flatten().
Ошибка 3: Путаница между reshape() и resize()
reshape() — новый массив, resize() — изменяет исходный.
Шпаргалка
| Метод | Что делает | Возвращает | Меняет исходный |
|---|---|---|---|
reshape() | Изменяет форму | Новый массив | Нет |
resize() | Изменяет форму | Новый массив | Да |
ravel() | В одномерный | View | Да |
flatten() | В одномерный | Copy | Нет |
Заключение
Сегодня мы:
- Узнали, как изменять форму массивов
- Изучили
reshape(),ravel(),flatten() - Разобрали отличия между методами
- Практические примеры
