Numpy 数组操作

数组操作用于改变形状、轴顺序以及数组之间的组合方式。很多形状变换只修改元数据，但拼接、堆叠和部分展平操作需要分配新内存。

形状与轴

API	用途
reshape	在元素数不变时改变形状
ravel	尽可能返回一维视图
flatten	始终返回一维副本
transpose / moveaxis / swapaxes	重排轴
squeeze	删除长度为 1 的轴
expand_dims	插入长度为 1 的轴

import numpy as np

a = np.arange(12).reshape(3, 4)
print(a.reshape(2, 6))
print(np.moveaxis(a[None, :, :], 0, -1).shape)
print(np.expand_dims(a, axis=0).shape)
print(np.squeeze(np.zeros((1, 3, 1))).shape)

组合与拆分

import numpy as np

left = np.array([[1, 2], [3, 4]])
right = np.array([[5], [6]])
print(np.concatenate([left, right], axis=1))
print(np.stack([left, left + 10], axis=0).shape)

parts = np.array_split(np.arange(10), 3)
print(parts)

concatenate 沿已有轴连接，其他轴必须相等；stack 创建新轴，所有输入 shape 必须相同。split 要求整除，不能整除时使用 array_split。

重复与翻转

np.repeat 按元素重复，np.tile 重复整个模式，np.flip 沿轴反转，np.roll 循环移动元素。重复操作会迅速扩大内存，应先判断广播能否完成目标。

常见错误与性能注意事项

• reshape 中最多一个维度可写为 -1，由元素总数推导；总元素数不匹配会失败。
• reshape 是否返回视图取决于布局，不能依赖其总是零复制；需要判断时用 np.shares_memory。
• 循环中不断 concatenate 会反复分配和复制。先收集块后一次连接，或预分配目标数组。
• resize 函数、数组的 resize 方法和 reshape 语义不同；生产代码应避免含糊使用。
• squeeze() 不指定轴可能误删业务上重要的批次轴，接口代码宜显式传 axis。
• 转置后的数组通常非 C 连续，交给本地扩展前检查布局和复制成本。