近年來，Python 在各個領域的使用呈指數級增長，尤其是在數據處理和科學計算領域。 這些任務最常用的庫之一是 NumPy。 NumPy 是一個功能強大且用途廣泛的庫，廣泛用於處理大型多維數組和矩陣以及其他數學函數。 使用這些數據結構的一個常見操作是需要折疊或減少數組的最後一個維度。 在本文中，我們將詳細探討這個主題，首先是問題介紹，然後是解決方案，然後是對代碼的逐步解釋。 最後，我們將深入研究一些您可能感興趣的相關主題和庫。
在多種情況下，都可能需要對數組的最後一個維度進行折疊，例如，當您計算出一個多維數組的結果後，想要獲得一個更簡潔、更精簡的資料表示時。此操作本質上是將原始數組轉換為一個維度較少的數組，方法是沿其軸消除或折疊最後一個維度。
解決方案：使用 np.squeeze
解決此問題的方法之一是使用numpy.squeeze函數。此函數從輸入數組的形狀中移除一維元素。
import numpy as np
arr = np.random.rand(2, 3, 1)
print("Original array shape:", arr.shape)
collapsed_arr = np.squeeze(arr, axis=-1)
print("Collapsed array shape:", collapsed_arr.shape)
分步說明
現在讓我們分解代碼並了解它是如何工作的。
1、首先我們將NumPy庫導入為np：
import numpy as np
2. 接下來，我們創建一個形狀為 (3, 2, 3) 的隨機 1 維數組：
arr = np.random.rand(2, 3, 1)
print("Original array shape:", arr.shape)
3. 現在，我們使用np.squeeze函數，透過將axis參數指定為 -1來折疊數組的最後一個維度：
collapsed_arr = np.squeeze(arr, axis=-1)
print("Collapsed array shape:", collapsed_arr.shape)
4. 結果得到一個新的數組，形狀為(2, 3)，說明最後一個維度已經折疊成功。
替代解決方案：重塑
另一種折疊最後一個維度的方法是使用帶有適當參數的numpy.reshape函數來實現所需的結果。
collapsed_arr_reshape = arr.reshape(2, 3)
print("Collapsed array shape using reshape:", collapsed_arr_reshape.shape)
在這種情況下，我們顯式地將原始數組重塑為 (2, 3) 的形狀，有效地折疊了最後一個維度。
相關庫和函數
除了 NumPy 之外，Python 生態系統中還有其他幾個函式庫提供了處理陣列和矩陣的工具。 SciPy 就是其中之一，它基於 NumPy 構建，並為科學計算提供了額外的功能。在機器學習領域，TensorFlow函式庫也支援張量（即多維數組），並提供了一套自己的矩陣操作函數。此外，Pandas函式庫可以用來操作DataFrame ，DataFrame是一種更進階的資料結構，可以看成是包含陣列的表格。另外，numpy.newaxis操作允許你向數組添加一個新的軸，這在需要擴展數組維度以匹配特定操作所需的形狀時非常有用。
總之，有效操作和使用數組的能力是編程和數據科學領域的一項基本技能。 NumPy 是一個極其強大的庫，可提供廣泛的功能，理解折疊最後一個維度等技術將在處理大型複雜數據集的各種情況下大有裨益。
