京公网安备 11010802034615号
经营许可证编号:京B2-20210330
在 NumPy 中,可以使用 np.squeeze() 函数来删除值为 1 的维度。本文将详细介绍 np.squeeze() 函数的用法和示例。
np.squeeze() 函数?np.squeeze() 函数是 NumPy 库中的一个函数,用于从数组的形状中删除单维条目。如果将一个数组作为参数传递给 np.squeeze(),则该函数将返回一个新数组,其中所有维度为 1 的轴都被删除。此外,如果您希望只删除特定的维度,请在 np.squeeze() 函数的第二个参数中指定要删除的维度。
np.squeeze() 函数的语法np.squeeze() 函数的语法如下所示:
numpy.squeeze(arr, axis=None)
其中:
arr:需要压缩的数组。axis:默认为 None,表示删除所有维度为 1 的轴,也可以指定要删除的特定轴。np.squeeze() 函数的示例现在,让我们通过一些示例来了解 np.squeeze() 函数的使用。
假设有一个形状为 (1, 2, 1, 3) 的数组。使用 np.squeeze() 函数可以从数组中删除维度为 1 的轴,并返回形状为 (2, 3) 的新数组。
import numpy as np
a = np.ones((1, 2, 1, 3))
b = np.squeeze(a)
print("Shape of a:", a.shape)
print("Shape of b:", b.shape)
输出:
Shape of a: (1, 2, 1, 3)
Shape of b: (2, 3)
在这个例子中,我们将仅删除第二维和第四维。
import numpy as np
a = np.ones((1, 2, 3, 1, 4))
b = np.squeeze(a, axis=(1, 3))
print("Shape of a:", a.shape)
print("Shape of b:", b.shape)
输出:
Shape of a: (1, 2, 3, 1, 4)
Shape of b: (1, 3, 4)
np.squeeze() 函数可以方便地删除数组中单维条目。您可以使用它来删除特定轴上的值为 1 的维度,也可以使用它来删除所有维度为 1 的轴。希望本文能够对您理解 np.squeeze() 函数有所帮助。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-05在数据库数据查询、业务报表统计、多表关联分析中,LEFT JOIN左连接是使用率最高的SQL关联查询语句。其核心特性是保留左表全部数 ...
2026-06-05 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-06-05任何一款产品从诞生、普及到最终退出市场,都会遵循一套固定的发展规律,这就是产品生命周期理论。在市场竞争日益激烈、产品迭代 ...
2026-06-04在Excel数据分析、办公统计、业务报表制作场景中,数据透视表是数据汇总、分类统计、快速复盘的核心工具,能够高效完成海量原始 ...
2026-06-04 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-06-04在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28