numpy.reshape()的函数的具体使用

numpy.reshape()

np.reshape()基本用法

常用于矩阵规格变换，将矩阵转换为特定的行和列的矩阵
格式：a1.reshape(x,y,z,…)
注意：将矩阵a1转变成（x, y,z,…）---->一维长度x，二维长度y，三维长度z，…的矩阵。
场景：matlibplot画图时x、y轴需要传入的是一维，可以用reshape()实现；再例如需要将多维的变成行向量或列向量时也经常要用

numpy.reshape(a, newshape, order='C')[source]，参数`newshape`是啥意思？

根据Numpy文档(https://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html)的解释：

newshape : int or tuple of ints

The new shape should be compatible with the original shape. If an integer, then the result will be a 1-D array of that length. One shape dimension can be -1. In this case, **the value is inferred from the length of the array and remaining dimensions**.

大意是说，数组新的shape属性应该要与原来的配套，如果等于-1的话，那么Numpy会根据剩下的维度计算出数组的另外一个shape属性值。

举几个例子或许就清楚了，有一个数组z，它的shape属性是(4, 4)

z = np.array([[1, 2, 3, 4],
          [5, 6, 7, 8],
          [9, 10, 11, 12],
          [13, 14, 15, 16]])
z.shape
(4, 4)

z.reshape(-1)

z.reshape(-1)
array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16])

z.reshape(-1, 1)

也就是说，先前我们不知道z的shape属性是多少，但是想让z变成只有一列，行数不知道多少，通过`z.reshape(-1,1)`，Numpy自动计算出有12行，新的数组shape属性为(16, 1)，与原来的(4, 4)配套。

z.reshape(-1,1)
 array([[ 1],
        [ 2],
        [ 3],
        [ 4],
        [ 5],
        [ 6],
        [ 7],
        [ 8],
        [ 9],
        [10],
        [11],
        [12],
        [13],
        [14],
        [15],
        [16]])

z.reshape(-1, 2)

newshape等于-1，列数等于2，行数未知，reshape后的shape等于(8, 2)

 z.reshape(-1, 2)
 array([[ 1,  2],
        [ 3,  4],
        [ 5,  6],
        [ 7,  8],
        [ 9, 10],
        [11, 12],
        [13, 14],
        [15, 16]])

同理，只给定行数，newshape等于-1，Numpy也可以自动计算出新数组的列数。

到此这篇关于numpy.reshape()的函数的具体使用的文章就介绍到这了,更多相关numpy.reshape()内容请搜索码农之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持码农之家！