NumPy配列からサイズ1の次元を削除：np.squeeze()の徹底解説

import numpy as np

# 例1：複数のサイズ1次元を持つ配列
arr1 = np.array([[[[1, 2, 3]]]])
print(f"元の配列1の形状: {arr1.shape}")
# 元の配列1の形状: (1, 1, 1, 3)

squeezed_arr1 = np.squeeze(arr1)
print(f"squeeze後の配列1の形状: {squeezed_arr1.shape}")
# squeeze後の配列1の形状: (3,)

# 例2：特定の次元のみがサイズ1の配列
arr2 = np.array([[1, 2, 3]])
print(f"元の配列2の形状: {arr2.shape}")
# 元の配列2の形状: (1, 3)

squeezed_arr2 = np.squeeze(arr2)
print(f"squeeze後の配列2の形状: {squeezed_arr2.shape}")
# squeeze後の配列2の形状: (3,)

# 例3：サイズ1次元を持たない配列
arr3 = np.array([[1, 2], [3, 4]])
print(f"元の配列3の形状: {arr3.shape}")
# 元の配列3の形状: (2, 2)

squeezed_arr3 = np.squeeze(arr3)
print(f"squeeze後の配列3の形状: {squeezed_arr3.shape}")
# squeeze後の配列3の形状: (2, 2)

import numpy as np

arr = np.array([[[1, 2, 3]]]) # 形状: (1, 1, 3)
print(f"元の配列の形状: {arr.shape}")
# 元の配列の形状: (1, 1, 3)

# 0番目の次元を削除
squeezed_axis0 = np.squeeze(arr, axis=0)
print(f"axis=0 でsqueeze後の形状: {squeezed_axis0.shape}")
# axis=0 でsqueeze後の形状: (1, 3)

# 1番目の次元を削除
squeezed_axis1 = np.squeeze(arr, axis=1)
print(f"axis=1 でsqueeze後の形状: {squeezed_axis1.shape}")
# axis=1 でsqueeze後の形状: (1, 3)

import numpy as np

arr_no_squeeze = np.array([[1, 2], [3, 4]]) # 形状: (2, 2)
print(f"元の配列の形状: {arr_no_squeeze.shape}")
# 元の配列の形状: (2, 2)

try:
    np.squeeze(arr_no_squeeze, axis=0)
except ValueError as e:
    print(f"エラー発生: {e}")
    # エラー発生: cannot select an axis to squeeze out which has size not equal to one

import numpy as np

arr = np.array([[[[1, 2, 3]]]]) # 形状: (1, 1, 1, 3)
print(f"元の配列の形状: {arr.shape}")
# 元の配列の形状: (1, 1, 1, 3)

# 0番目と2番目の次元を削除
squeezed_axes = np.squeeze(arr, axis=(0, 2))
print(f"axis=(0, 2) でsqueeze後の形状: {squeezed_axes.shape}")
# axis=(0, 2) でsqueeze後の形状: (1, 3)

import numpy as np

# モデルの出力例（バッチサイズ1）
model_output = np.random.rand(1, 10) # 形状: (1, 10)
print(f"モデル出力の形状: {model_output.shape}")
# モデル出力の形状: (1, 10)

# バッチ次元を削除
processed_output = np.squeeze(model_output)
print(f"処理後の出力形状: {processed_output.shape}")
# 処理後の出力形状: (10,)

import numpy as np

# 10個の単一特徴量データ
data_with_extra_dim = np.array([[x] for x in range(10)]) # 形状: (10, 1)
print(f"元のデータの形状: {data_with_extra_dim.shape}")
# 元のデータの形状: (10, 1)

# 不要な次元を削除
flattened_data = np.squeeze(data_with_extra_dim)
print(f"フラット化されたデータの形状: {flattened_data.shape}")
# フラット化されたデータの形状: (10,)