Manipulació de formes i dimensions

NumPy proporciona diverses funcions per manipular la forma i les dimensions dels arrays sense modificar-ne les dades subjacents.

Canvis de forma

La funció reshape() permet canviar la forma d'un array mantenint el mateix nombre d'elements:

import numpy as np

a = np.arange(12)
print(a)  # [ 0  1  2  3  4  5  6  7  8  9 10 11]

b = a.reshape(3, 4)
print(b)
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]

c = a.reshape(2, 2, 3)
print(c.shape)  # (2, 2, 3)

Podem usar -1 per indicar que NumPy calculi automàticament una dimensió:

d = a.reshape(3, -1)  # 3 files, columnes automàtiques
print(d.shape)  # (3, 4)

Les funcions ravel() i flatten() converteixen un array multidimensional en unidimensional. El primer retorna una vista, mentre que el segon retorna una còpia:

e = b.ravel()    # retorna una vista
f = b.flatten()  # retorna una còpia

print(e)  # [ 0  1  2  3  4  5  6  7  8  9 10 11]

Transposició d'arrays

La transposició intercanvia files per columnes:

a = np.array([[1, 2, 3], [4, 5, 6]])
print(a.T)
# [[1 4]
#  [2 5]
#  [3 6]]

a.transpose() és equivalent a a.T i permet especificar l'ordre dels eixos:

c = np.arange(24).reshape(2, 3, 4)
d = c.transpose(1, 0, 2)  # intercanvia els dos primers eixos
print(d.shape)  # (3, 2, 4)

Addició i eliminació de dimensions

np.newaxis afegeix una nova dimensió de mida 1:

a = np.array([1, 2, 3, 4])
print(a.shape)  # (4,)

b = a[np.newaxis, :]  # afegeix dimensió al principi
print(b.shape)  # (1, 4)

c = a[:, np.newaxis]  # afegeix dimensió al final
print(c.shape)  # (4, 1)

expand_dims() és una alternativa més explícita:

d = np.expand_dims(a, axis=0)  # (1, 4)
e = np.expand_dims(a, axis=1)  # (4, 1)

squeeze() elimina dimensions de mida 1:

f = np.array([[[1], [2], [3]]])
print(f.shape)  # (1, 3, 1)

g = f.squeeze()
print(g.shape)  # (3,)

Concatenació i apilament

concatenate() uneix arrays al llarg d'un eix existent:

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6]])

c = np.concatenate([a, b], axis=0)
print(c)
# [[1 2]
#  [3 4]
#  [5 6]]

vstack() i hstack() són dreceres per apilar verticalment i horitzontalment:

d = np.vstack([a, b])  # equivalent a concatenate amb axis=0
e = np.hstack([a, a])  # apila horitzontalment
print(e)
# [[1 2 1 2]
#  [3 4 3 4]]

stack() crea una nova dimensió:

f = np.stack([a, a], axis=0)
print(f.shape)  # (2, 2, 2)

g = np.stack([a, a], axis=2)
print(g.shape)  # (2, 2, 2)

Divisió d'arrays

split() divideix un array en múltiples subconjunts:

a = np.arange(12).reshape(3, 4)

# Divideix en 3 parts iguals al llarg de l'eix 0
parts = np.split(a, 3, axis=0)
print(len(parts))  # 3
print(parts[0])    # [[0 1 2 3]]

# Divideix en posicions específiques
parts2 = np.split(a, [1, 3], axis=1)
print(parts2[0].shape)  # (3, 1)
print(parts2[1].shape)  # (3, 2)

hsplit() i vsplit() són dreceres per dividir horitzontalment i verticalment:

h1, h2 = np.hsplit(a, 2)  # divideix en 2 parts horitzontalment
print(h1.shape)  # (3, 2)

v1, v2, v3 = np.vsplit(a, 3)  # divideix en 3 parts verticalment
print(v1.shape)  # (1, 4)

Jordi Petit
Lliçons.jutge.org
© Universitat Politècnica de Catalunya, 2025