Python numpy.shapes()

Python numpy.reshape()函数在不改变数组数据的情况下塑造数组。

语法:

numpy.reshape(array, shape, order = 'C')

参数 :

array : [array_like]输入数组
shape : [int or tuples of int] 例如，如果我们要排列一个有10个元素的数组，那么像numpy.reshape(4,8)那样排列是错误的；我们可以用numpy.reshape(2,5)或(5,8)来排列。
我们可以用 numpy.reshape(2, 5) 或 (5, 2) 的方式。
order : [C-contiguous, F-contiguous, A-contiguous; optional] 在内存中的C-contiguous顺序。
C-连续顺序在内存中(最后一个索引变化最快)
C顺序意味着在数组上操作行升将会稍微快一些
FORTRAN-在内存中的连续顺序（第一个索引变化最快）。
F顺序意味着对列的操作会更快。
A’意味着在以下情况下按照类似Fortran的索引顺序读/写元素。
阵列在内存中是FORTRAN连续的，否则就是C-like顺序

返回类型:

阵列，该阵列在不改变数据的情况下被重塑。

示例

# Python Program illustrating
# numpy.reshape() method
 
import numpy as geek
 
# array = geek.arrange(8)
# The 'numpy' module has no attribute 'arrange'
array1 = geek.arange(8)
print("Original array : \n", array1)
 
# shape array with 2 rows and 4 columns
array2 = geek.arange(8).reshape(2, 4)
print("\narray reshaped with 2 rows and 4 columns : \n",
      array2)
 
# shape array with 4 rows and 2 columns
array3 = geek.arange(8).reshape(4, 2)
print("\narray reshaped with 4 rows and 2 columns : \n",
      array3)
 
# Constructs 3D array
array4 = geek.arange(8).reshape(2, 2, 2)
print("\nOriginal array reshaped to 3D : \n",
      array4)

输出 :

Original array : 
 [0 1 2 3 4 5 6 7]

array reshaped with 2 rows and 4 columns : 
 [[0 1 2 3]
 [4 5 6 7]]

array reshaped with 4 rows and 2 columns : 
 [[0 1]
 [2 3]
 [4 5]
 [6 7]]

Original array reshaped to 3D : 
 [[[0 1]
  [2 3]]
 [[4 5]
  [6 7]]]


 [[0 1 2 3]
 [4 5 6 7]]