Numpy squeeze() 函数

Numpy squeeze() 函数用于从数组形状中删除一维元素。

此函数可用于消除大小为 1 的维度，从而简化数组操作。例如，如果我们有一个形状为 (1, 3, 1, 5) 的数组，应用 squeeze() 会将其形状转换为 (3, 5)，并移除其中的单例维度。

此函数接受一个可选的 axis 参数来指定要移除的维度，但如果未提供，则会移除所有单例维度。

结果是一个维度更少但数据相同的新数组。

语法

Numpy squeeze() 函数的语法如下:

numpy.squeeze(a, axis=None)

参数

以下是 Numpy squeeze() 函数的参数−

• a(array_like): 这是输入数据，应为数组或类数组对象。
• axis(None、int 或 int 元组，可选): 此参数选择形状中单维条目的子集。如果指定了轴，则仅挤压该轴或这些轴。如果未指定轴，则将删除所有单维条目。如果指定的轴的大小不是 1，则会引发错误。

返回值

此函数返回输入数组，但所有或部分大小为 1 的维度已被删除。这不会修改原始数组，而是返回一个新数组。

示例 2

以下是使用 Numpy squeeze() 函数的示例。在此示例中，形状为 (1, 3, 1) 的数组 'a' 被压缩，删除了所有一维元素，最终得到一个形状为 (3,) 的数组。-

import numpy as np

# 原始数组形状为 (1, 3, 1)
a = np.array([[[1], [2], [3]]])
print("原始数组形状:", a.shape)

# 压缩后的数组
squeezed_a = np.squeeze(a)
print("压缩后的数组形状:", squeezed_a.shape)
print("压缩后的数组:", squeezed_a)

输出

原始数组形状:(1, 3, 1)
压缩后的数组形状: (3,)
压缩后的数组:[1 2 3]

示例 2

在此示例中，我们尝试压缩非一维轴，即轴 1，由于轴 1 的大小为 3，因此导致 ValueError -

import numpy as np

# 原始数组形状为 (1, 3, 1)
a = np.array([[[1], [2], [3]]])
print("原始数组形状:", a.shape)

try:
    # 尝试压缩非一维轴
    squeezed_a = np.squeeze(a, axis=1)
except ValueError as e:
    print("Error:", e)

输出

原始数组形状:(1, 3, 1)
Error: cannot select an axis to squeeze out which has size not equal to one

示例 3

以下示例展示了如何使用 numpy.squeeze() 从数组形状中删除一维元素 -

import numpy as np

# 创建形状为 (1, 3, 3) 的三维数组
x = np.arange(9).reshape(1, 3, 3)

print('数组 X:')
print(x)
print('
')

# 从 x 的形状中删除一维元素
y = np.squeeze(x)

print('数组 Y:')
print(y)
print('
')

# 打印数组形状
print('X 和 Y 数组的形状:')
print(x.shape, y.shape)

输出

数组 X:
[[[0 1 2]
[3 4 5]
[6 7 8]]]

数组 Y:
[[0 1 2]
[3 4 5]
[6 7 8]]

X 和 Y 数组的形状:
(1, 3, 3) (3, 3)

numpy_array_manipulation.html