numpy.reshape

numpy.reshape

numpy.reshape 函数用于在不更改数据的情况下改变数组的形状。通过指定新的形状，可以将数组重塑为不同的维度。这在处理数组操作时非常有用，特别是在机器学习和数据分析中。

基本用法

numpy.reshape 的基本用法如下：

import numpy as np

# 创建一个 1x6 的数组
arr = np.array([1, 2, 3, 4, 5, 6])

# 将数组重塑为 2x3 的数组
reshaped_arr = np.reshape(arr, (2, 3))

print(reshaped_arr)

运行结果：

[[1 2 3]
 [4 5 6]]

上面的示例中，我们首先创建了一个包含 1 到 6 的数组 arr，然后使用 np.reshape 将这个数组重塑为一个 2×3 的数组 reshaped_arr。

多维数组的重塑

numpy.reshape 还可以用于重塑多维数组。下面是一个示例：

# 创建一个 2x3x2 的三维数组
arr = np.array([[[1, 2], [3, 4], [5, 6]], [[7, 8], [9, 10], [11, 12]]])

# 将数组重塑为 3x4 的数组
reshaped_arr = np.reshape(arr, (3, 4))

print(reshaped_arr)

运行结果：

[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]

在这个示例中，我们首先创建了一个 2x3x2 的三维数组 arr，然后使用 np.reshape 将其重塑为一个 3×4 的二维数组 reshaped_arr。

使用 -1 参数

在 numpy.reshape 中，可以使用 -1 参数来自动计算某一维度的大小。下面是一个示例：

# 创建一个包含 12 个元素的数组
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])

# 将数组重塑为 3x4 的数组
reshaped_arr = np.reshape(arr, (-1, 4))

print(reshaped_arr)

运行结果：

[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]

在这个示例中，我们创建了一个包含 12 个元素的数组 arr，然后使用 np.reshape 中的 -1 参数将其重塑为一个 3×4 的数组 reshaped_arr。通过使用 -1 参数，可以自动计算其中一个维度的大小。

总结

numpy.reshape 函数是一个非常有用的函数，可以用于改变数组的形状而不更改其数据。通过灵活使用 numpy.reshape，可以更好地处理数组操作，使代码更加清晰和简洁。