为什么numpy数组squeeze降了两维

`numpy.squeeze()` 函数可以用于从数组的形状中删除单维条目。如果数组中某个维度的长度为1，那么该维度可以被视为“单维”，并通过 `squeeze()` 函数来删除。这个函数返回一个新的数组，这个新数组比原数组少了经过删除的单维度。

当使用 `numpy.squeeze()` 函数时，如果没有指定 `axis` 参数，则会删除所有长度为 1 的单维度，从而将多维数组降维。如果指定了 `axis` 参数，则只有在对应的轴上长度为 1 时才会删除该轴。

例如，对于一个形状为 (1, 2, 1, 3, 1) 的数组，如果我们使用 `numpy.squeeze()` 函数，不指定 `axis` 参数，那么结果将是一个形状为 (2, 3) 的二维数组。这是因为该数组有三个单维度，均被删除了。

相关问题

numpy 四维数组，最后一维为1，删掉第四维

可以使用 NumPy 的 `squeeze()` 函数来删除数组中大小为 1 的维度。下面是一个示例：

import numpy as np

# 创建一个四维数组，最后一维为 1
a = np.random.rand(2, 3, 4, 1)

# 删除最后一维
b = np.squeeze(a)

# 输出结果
print(b.shape)
# (2, 3, 4)

在上面的代码中，我们首先创建了一个形状为 `(2, 3, 4, 1)` 的四维数组 `a`，其中最后一维的大小为 1。然后，我们使用 `squeeze()` 函数删除了最后一维，得到了一个形状为 `(2, 3, 4)` 的新数组 `b`。

需要注意的是，如果数组中有多个大小为 1 的维度，那么 `squeeze()` 函数会将它们都删除。如果只需要删除最后一维，可以在函数中指定要删除的维度的位置。例如，对于一个形状为 `(2, 3, 4, 1, 1)` 的五维数组，可以使用以下代码删除倒数第二维：

import numpy as np

# 创建一个五维数组，倒数第二维和最后一维都为 1
a = np.random.rand(2, 3, 4, 1, 1)

# 删除倒数第二维
b = np.squeeze(a, axis=-2)

# 输出结果
print(b.shape)
# (2, 3, 4, 1)

在上面的代码中，我们在 `squeeze()` 函数中指定了要删除的维度的位置，即 `-2`，表示倒数第二维。

python数组squeeze

在 Python 中，`numpy` 库中的 `squeeze()` 函数是一个用于删除数组中维度为1的单元素条目的实用工具。当你有一个包含单个元素或形状为 (1,) 的一维数组时，使用 `squeeze()` 可以使其变得更简洁，去除不必要的维度。

例如，假设你有一个形状为 `(1, 3)` 的数组，表示一个长度为1的一维数组，每个元素又是一个长度为3的数组。调用 `array.squeeze()` 后，结果就会变成一个形状为 `(3,)` 的一维数组，因为长度为1的一维已经被“挤压”掉了。

以下是一个简单的例子：

import numpy as np

arr = np.array([[1, 2, 3]])
squeezed_arr = arr.squeeze()
print(squeezed_arr)  # 输出: [1 2 3]