numpy 学习：数组改变形状、副本和view
一个数组的形状是由每个轴的元素数量决定的，可以通过reshape()和resize()函数来操纵数组的形状。transpose()函数用于数组的转置，ravel()函数用于把数组展开为一维数组，而flatten()用于获得数组展开之后的一个副本；swapaxes()函数用于交换数组的两个轴，squeeze()函数用于删除数组中长度为1的轴。
一，数组的变形
数组的转置可以通过数组的属性T来获得，数组的展开可以通过数组的属性flat来获得，但是flat是一个迭代器。
1，通过修改shape属性来改变数组的形状
numpy.ndarray.shape表示数组的维度，返回一个元组，这个元组的长度就是维度的数目，即 ndim 属性(秩)。
x = np.array([1, 2, 9, 4, 5, 6, 7, 8]) print(x.shape) # (8,) x.shape = [2, 4]
2，reshape函数
reshape()函数返回一个给定shape的数组的副本，不会修改原始数组，并且新的数组的size必须跟原始的数组size相兼容：
numpy.reshape(a, newshape, order='C')
参数 newshape 表示数组的形状，对于二维数组，newshape是 (row, col) ，第一个维度是行数，第二个维度是列数。
例如，下面的代码把一个一维数组转换为4行2列的二位数组：
a=np.arange(8) a.reshape((4,2))
3，resize函数
resize()函数会修改原始数组，不会返回任何数据，直接对原始数组进行修改：
ndarray.resize(new_shape, refcheck=True)
参数new_shape是元组或n个int数字，表示数组的形状，即各个维度的元素数量，如果参数new_shape指定的size大于现有数组的size，那么新数组会增加新的元素，新增加的元素值都是0
>>> a.resize((2,6))
>>> a
array([[ 2., 8., 0., 6., 4., 5.],
[ 1., 1., 8., 9., 3., 6.]])
4，展开数组
numpy.ndarray.flat 将数组转换为一维的迭代器，可以用for访问数组每一个元素.
y = x.flat for i in y: print(i, end=' ')
numpy.ndarray.flatten() 将数组的副本转换为一维数组，并返回原数组的一个copy。
numpy.ndarray.ravel() 用于返回数组的展开形式，在展开成一维数组时，最右边的索引“变化最快”，返回原始数组的一个view。
ndarray.ravel()
ndarray.flatten()
举个例子，从行维度和列维度的最小值开始，依次增加，获取的元素依次排列，构成一维数组：
>>> x = np.array([[1, 2, 3], [4, 5, 6]])
>>> np.ravel(x)
array([1, 2, 3, 4, 5, 6])
5，转置
数组的转置（Transpose）通过ndarray的属性T来获取：
>>> x = np.array([[1.,2.],[3.,4.]])
>>> x
array([[ 1., 2.],
[ 3., 4.]])
>>> x.T
array([[ 1., 3.],
[ 2., 4.]])
变换数组的维度，对于二维数组，转置是把行坐标和列坐标互换：
numpy.transpose(a, axes=None)
对于多维数组，转置需要指定新转换的维度，比如，对于三维数组，用0、1、2表示各个维度，(1,0,2)表示：把列维度变换为行维度，把行维度变化为列维度，第三维度不变。
>>> x = np.ones((1, 2, 3)) >>> np.transpose(x, (1, 0, 2)).shape (2, 1, 3)
6，交换轴
把数组的两个轴相互交换
numpy.swapaxes(a, axis1, axis2)
7，移除长度为1的轴
从数组的shape中删除值为1的维度。
>>> x = np.array([[[0], [1], [2]]])
>>> x.shape
(1, 3, 1)
>>> np.squeeze(x).shape
(3,)
>>> np.squeeze(x, axis=0).shape
(3, 1)
二，数组的转换
可以把数组转换为list，也可以修改数组元素的数据类型。
1，转换为list
ndarray对象的tolist()函数可以把一个数组对象转化为list列表：
>>> np.arange(12).reshape(3,4).tolist() [[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11]]
2，修改元素的类型
调用astype()函数会创建一个新的数组，是原始数组的一个深拷贝。
arr.astype(np.int8)
三，数组的副本（copy）和视图（view）
在做数组运算或数组操作时，返回的结果不是数组的副本就是视图。
- 直接赋值：无拷贝，相当于是引用
- view()：建立视图，浅拷贝，形状可以不一致，但数据相同，对于赋值和view操作，两个数组的数据是共享的，即引用同一个对象。
- copy()：深拷贝，完全独立的对象
数组的视图意味着数据不会被复制，视图上的任何修改都会直接反应到原始数组上。
view_arr = arr.view()
numpy.ndarray.copy() 函数创建一个副本。 对副本数据进行修改，不会影响到原始数据，它们物理内存不在同一位置。
deep_copy_arr = arr.copy()
参考文档：
