NumPy reshape(): Python で NumPy 配列を再形成する方法

公開: 2022-04-20

このチュートリアルでは、 NumPy reshape()を使用して、元のデータを変更せずに NumPy 配列を再形成する方法を学習します。

Numpy 配列を扱う場合、既存の配列を異なる次元の配列に再形成したいことがよくあります。 これは、複数のステップでデータを変換する場合に特に役立ちます。

NumPy のreshape()を使用すると、簡単に行うことができます。 次の数分間で、 reshape()を使用する構文と、配列を異なる次元に再形成する方法を学習します。

NumPy 配列の再形成とは何ですか?

NumPy 配列を操作する場合、最初に数値の 1 次元配列を作成したい場合があります。 次に、目的の次元の配列に形状を変更します。

これは、新しい配列の次元が最初にわからない場合、または実行中に推測される場合に特に役立ちます。 または、特定のデータ処理ステップでは、入力が特定の形状である必要がある場合もあります。

ここで再形成が役に立ちます。

たとえば、次の図を考えてみましょう。 6 つの要素からなる 1 次元配列であるベクトルがあります。 そして、それを 2×3、3×2、6×1 などの形状の配列に変形できます。

numpy-reshape

️ このチュートリアルの例に従うには、Python と NumPy がインストールされている必要があります。 NumPy をまだお持ちでない場合は、NumPy インストール ガイドをご覧ください。

import numpy as npを実行して、エイリアスnpで NumPy をインポートできます。

次のセクションで構文を学びましょう。

NumPy reshape() の構文

NumPy reshape() を使用する構文は次のとおりです。

 np.reshape(arr, newshape, order = 'C'|'F'|'A')
  • arrは任意の有効な NumPy 配列オブジェクトです。 ここでは、再形成されるのは配列です。
  • newshapeは、新しい配列の形状です。 整数またはタプルのいずれかです。
  • newshapeが整数の場合、返される配列は 1 次元です。
  • orderは、再形成する配列の要素を読み込む順序を指します。
  • デフォルト値は'C' です。これは、元の配列の要素が C のようなインデックス順 (0 から始まる) で読み取られることを意味します。
  • 'F'は、Fortran のようなインデックス (1 から始まる) を表します。 'A'は、配列arrのメモリ レイアウトに応じて、C のような順序または Fortran のような順序で要素を読み込みます。

np.reshape()は何を返すのでしょうか?

可能であれば、元の配列の再形成されたビューを返します。 それ以外の場合は、配列のコピーを返します。

上記の行で、NumPy reshape()は可能な限りビューを返そうとすると述べました。 それ以外の場合は、 copyを返します。 ビューとコピーの違いについて説明しましょう。

NumPy 配列の表示とコピー

名前が示すように、 copyは元の配列のコピーです。 また、コピーに加えられた変更は、元の配列には影響しません。

一方、ビューは単に元の配列の再形成されたビューを指します。 つまり、ビューに加えられた変更は元の配列にも影響し、その逆も同様です。

NumPy reshape() を使用して 1D 配列を 2D 配列に変形します

＃1。 np.arange() を使用してサンプル配列を作成することから始めましょう。

arr1 と呼ばれる 1 から 12 までの 12 個の数値の配列が必要です。 NumPy arange() 関数はデフォルトでエンドポイントを除外するため、停止値を 13 に設定します。

上記の構文を使用して、12 個の要素を持つarr1を形状 (4,3) の 2D 配列に変形してみましょう。 これを 4 行 3 列のarr2としましょう。

 import numpy as np arr1 = np.arange(1,13) print("Original array, before reshaping:\n") print(arr1) # Reshape array arr2 = np.reshape(arr1,(4,3)) print("\nReshaped array:") print(arr2)

元の配列と再形成された配列を見てみましょう。

 Original array, before reshaping: [ 1 2 3 4 5 6 7 8 9 10 11 12] Reshaped array: [[ 1 2 3] [ 4 5 6] [ 7 8 9] [10 11 12]]

配列を引数np.reshape()として渡す代わりに、元の配列で.reshape()メソッドを呼び出すこともできます。

dir(arr1)を実行すると、配列オブジェクトarr1で使用できるすべてのメソッドと属性が一覧表示されます。

 dir(arr1) # Output [ ... ... 'reshape' ... .. ]

上記のコード セルでは、 .reshape()が既存の NumPy 配列arr1で使用する有効なメソッドであることがわかります。

️ したがって、次の簡略化された構文を使用して NumPy 配列を再形成することもできます。

 arr.reshape(d0,d1,...,dn) # where: # d0, d1,..,dn are the dimensions of the reshaped array # d0 * d1 * ...* dn = N, the number of elements in arr

このチュートリアルの残りの部分では、例でこの構文を使用しましょう。

＃2。 12 要素のベクトルを 12 x 1 の配列に変形してみましょう。

 import numpy as np arr1 = np.arange(1,13) print("Original array, before reshaping:\n") print(arr1) # Reshape array arr3 = arr1.reshape(12,1) print("\nReshaped array:") print(arr3)

以下の出力では、配列が必要に応じて再形成されていることがわかります。

 Original array, before reshaping: [ 1 2 3 4 5 6 7 8 9 10 11 12] Reshaped array: [[ 1] [ 2] [ 3] [ 4] [ 5] [ 6] [ 7] [ 8] [ 9] [10] [11] [12]]

では、コピーまたはビューを取得したかどうかを確認するにはどうすればよいでしょうか。

これを確認するには、返された配列のbase属性を呼び出します。

  • 配列がコピーの場合、 base属性はNoneになります。
  • 配列がビューの場合、 base属性は元の配列になります。

早速検証してみましょう。

 arr3.base # Output array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])

ご覧のとおり、 arr3のbase属性は元の配列を返します。 これは、元の配列のビューを受け取ったことを意味します。

＃3。 ここで、ベクターを別の有効な 2 x 6 配列に再形成してみましょう。

 import numpy as np arr1 = np.arange(1,13) print("Original array, before reshaping:\n") print(arr1) # Reshape array arr4 = arr1.reshape(2,6) print("\nReshaped array:") print(arr4)

出力は次のとおりです。

 Original array, before reshaping: [ 1 2 3 4 5 6 7 8 9 10 11 12] Reshaped array: [[ 1 2 3 4 5 6] [ 7 8 9 10 11 12]]

次のセクションでは、 arr1を 3D 配列に変形してみましょう。

NumPy reshape() を使用して 1D 配列を 3D 配列に変形します

arr1を 3D 配列に再形成するには、目的の次元を (1, 4, 3) に設定します。

 import numpy as np arr1 = np.arange(1,13) print("Original array, before reshaping:\n") print(arr1) # Reshape array arr3D = arr1.reshape(1,4,3) print("\nReshaped array:") print(arr3D)

元の配列arr1と同じ 12 個の要素を持つ 3D 配列を作成しました。

 Original array, before reshaping: [ 1 2 3 4 5 6 7 8 9 10 11 12] Reshaped array: [[[ 1 2 3] [ 4 5 6] [ 7 8 9] [10 11 12]]]

再形成中の値エラーをデバッグする方法

構文を覚えていれば、次元の積が配列の要素数と等しい場合にのみ、再形成が有効です。

 import numpy as np arr1 = np.arange(1,13) print("Original array, before reshaping:\n") print(arr1) # Reshape array arr2D = arr1.reshape(4,4) print("\nReshaped array:") print(arr2D)

ここでは、12 要素の配列を 16 要素の 4×4 配列に変形しようとしています。 以下に示すように、インタープリターは値エラーをスローします。

 Original array, before reshaping: [ 1 2 3 4 5 6 7 8 9 10 11 12] ----------------------------------------------------------- ValueError Traceback (most recent call last) <ipython-input-11-63552bcc8c37> in <module>() 6 7 # Reshape array ----> 8 arr2 = arr1.reshape(4,4) 9 print("\nReshaped array:") 10 print(arr2) ValueError: cannot reshape array of size 12 into shape (4,4)

このようなエラーを回避するには、 -1を使用して、要素の総数に基づいて、ディメンションの 1 つの形状を自動的に推測することができます。

たとえば、事前に n – 1 次元がわかっている場合、-1 を使用して、再形成された配列の n 番目の次元を推測できます。

24 要素の配列があり、それを 3D 配列に再形成したい場合。 3 行と 4 列が必要だとします。 3 番目の次元に沿って -1 の値を渡すことができます。

 import numpy as np arr1 = np.arange(1,25) print("Original array, before reshaping:\n") print(arr1) # Reshape array arr_res = arr1.reshape(4,3,-1) print("\nReshaped array:") print(arr_res) print(f"Shape of arr_res:{arr_res.shape}")

形状配列の形状を調べると、形状が変更された配列の形状が 3 番目の次元に沿って 2 になっていることがわかります。

 Original array, before reshaping: [ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24] Reshaped array: [[[ 1 2] [ 3 4] [ 5 6]] [[ 7 8] [ 9 10] [11 12]] [[13 14] [15 16] [17 18]] [[19 20] [21 22] [23 24]]] Shape of arr_res:(4, 3, 2)

これは、配列をフラット化する場合に特に役立ちます。 これについては、次のセクションで説明します。

NumPy reshape() を使用して配列をフラット化する

N 次元配列からフラット化された配列に戻る必要がある場合があります。 イメージをピクセルの長いベクトルにフラット化するとします。

次の手順を使用して簡単な例をコーディングしましょう。

  • 0 ～ 255 の範囲のピクセルを使用して、3 x 3 のグレースケール イメージ配列img_arrを生成します。
  • 次に、このimg_arrを平坦化し、平坦化された配列flat_arrを出力します。
  • また、確認のためにimg_arrとflat_arrの形状を出力します。
 img_arr = np.random.randint(0, 255, (3,3)) print(img_arr) print(f"Shape of img_arr: {img_arr.shape}") flat_arr = img_arr.reshape(-1) print(flat_arr) print(f"Shape of flat_arr: {flat_arr.shape}")

これが出力です。

 [[195 145 77] [ 63 193 223] [215 43 36]] Shape of img_arr: (3, 3) [195 145 77 63 193 223 215 43 36] Shape of flat_arr: (9,)

上記のコード セルでは、 flat_arrが 9 つの要素を持つピクセル値の 1D ベクトルであることがわかります。

まとめ

学んだことをすぐに復習する時が来ました。

  • np.reshape(arr, newshape)を使用してarrをnewshapeで指定された形状に変形します。 newshapeは、再形成された配列の次元を指定するタプルです。
  • または、 arr.reshape(d0, d1, …, dn)を使用してarrをd0 x d1 x … x dnの形状に変形します。
  • d0 * d1 * …* dn = N (元の配列の要素数) かどうかを確認して、再形成中の値エラーを回避します。
  • 寸法を自動的に推定する場合は、新しい形状の最大 1 つの寸法に-1を使用します。
  • 最後に、 arr.reshape(-1)を使用して配列を平坦化できます。

NumPy reshape() の使い方がわかったので、NumPy linspace() 関数の仕組みを学びましょう。

必要に応じて、Jupyter ノートブックのコード例を試すことができます。 他の開発環境をお探しの場合は、Jupyter の代替に関するガイドをご覧ください。