تحويل مصفوفة أحادية البعد 1D إلى مصفوفة ثنائية الأبعاد 2D في numpy

يمكن استخدام الدالة reshape من numpy مع إعطائها الوسطاء المناسبين، 

تعمل الدالة على استقبال وسيطين لتحديد عدد الأسطر و الأعمدة الناتجة عن التحويل، وفي حال إعطاء -1 في أحد الأبعاد سيتم حساب هذا الوسيط بشكل أوتوماتيكي ناتج عن عملية قسمة حجم المصفوفة على الوسيط الآخر:

ar.reshape(-1, 2)

مررنا -1 لعدد الأسطر لأنه ليس ضروري تحديده (يتم حسابه) و 2 لعدد الأعمدة.

هذه أفضل و أسرع طريقة لتحويل بنية المصفوفة

يمكنك استخدام الدالة numpy.reshape لتشكيل اي مصفوفة بالشكل التي تريد، وهي بالشكل التالي:

numpy.reshape(arr, newshape, order='C')

انظر المثال التالي للتوضيح.

# نقوم بانشاء مصفوفة احادية الابعاد 1
arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
print('1D Numpy array:')
print(arr)

لتحويلها نكتب الكود التالي،حيث أن (2,5) هي شكل المصفوفة الجديدة بحيث ان 2 هو عدد الصفوف و 5 عدد الاعمدة.

import numpy as np
arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
# تحويل المصفوفة للشكل ثنائي الابعاد
arr_2d = np.reshape(arr, (2, 5))
print(arr_2d)

ويكون شكل الخرج كالتالي:

[[0 1 2 3 4]
 [5 6 7 8 9]]

يمكنك بالطبع تنفيذ ذلك من خلال numpy ولكن هناك حالتين لتنفيذ ذلك 

• إذا كنت تريد التغيير في الدالة الأصلية يمكنك استخدام الدالة shape

  ar.shape = (-1, ncols)

  الكود السابق يقوم بالتعديل على shape المصفوفة الأصلية

• أما إذا كنت تريد إرجاع مصفوفة جديدة يمكنك استخدام الدالة reshape كما تم الشرح في التعليقات السابقة

  new = np.reshape(arr, (-1, ncols))

   

يمكنك القيام بذلك من خلال الدالة reshape هذه الدالة تمكنك من تعديل أبعاد المصفوفة بالشكل الذي تريده، والشرط الوحيد هو أن كون عدد العناصر في المصفوفة الجديدة التي تريد إعادة تشكيلها = عدد العناصر في المصفوفة الأصلية. أي إذا كانت المصفوفة الأصلية مصفوفة أحادية البعد ب 12 عنصر وأردنا تحويلها لمصفوفة ثنائية ببعدين وبالتالي يجب أن يكون ناتج جداء البعد الأول بالثاني =12 وبالتالي يمكن أن نستنتج أن أبعاد المصفوفة الناتجة إحدى الخيارات التالية:

a=np.arange(12)
a.reshape(3,4)
"""
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
"""
a.reshape(4,3)
"""
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11]])
"""
a.reshape(6,2)
"""
array([[ 0,  1],
       [ 2,  3],
       [ 4,  5],
       [ 6,  7],
       [ 8,  9],
       [10, 11]])
"""
a.reshape(2,6)
#  12!=4*4 هنا سيظهر خطأ كما قلنا لأن
a.reshape(4,4) # ValueError: cannot reshape array of size 12 into shape (4,4)

كما أننا يمكننا أن نمرر له بعد واحد والبعد الآخر نضع مكانه -1 و هو سيستنتجه تلقائياً وفقاُ لمعادلة الجداء:

a=np.arange(12)
a.reshape(-1,4) # سيستنتج أنه3
"""
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
"""
a.reshape(-1,3)#4 سيستنتج أنه 
"""
array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11]])
"""
# وهكذا....