极客教程Python numpy reshape详解
1. 简介
Numpy是Python中一个重要的科学计算库，提供了高效的数值计算工具和数据结构。在Numpy中，reshape是一个常用的函数，用于修改数组的形状。
2. reshape函数的语法
Numpy中的reshape函数的语法如下：
numpy.reshape(arr, newshape, order='C')
参数解释：
- arr：需要修改形状的数组
- newshape：新数组的形状，可以是一个整数，也可以是一个元组
- order：可选参数，表示数据存储在内存中的顺序，可以是’C’（按行存储）或’F’（按列存储）
3. reshape的用法示例
示例1：将一维数组转换为二维数组
import numpy as np
# 创建一维数组
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
# 将一维数组转换为二维数组
new_arr = np.reshape(arr, (2, 5))
# 输出结果
print(new_arr)
输出：
[[1 2 3 4 5]
[6 7 8 9 10]]
示例2：将二维数组转换为一维数组
import numpy as np
# 创建二维数组
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 将二维数组转换为一维数组
new_arr = np.reshape(arr, (9,))
# 输出结果
print(new_arr)
输出：
[1 2 3 4 5 6 7 8 9]
示例3：将二维数组转换为三维数组
import numpy as np
# 创建二维数组
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 将二维数组转换为三维数组
new_arr = np.reshape(arr, (3, 3, 1))
# 输出结果
print(new_arr)
输出：
[[[1]
[2]
[3]]
[[4]
[5]
[6]]
[[7]
[8]
[9]]]
示例4：修改数组的存储顺序
import numpy as np
# 创建二维数组
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 修改数组的存储顺序为按列存储
new_arr = np.reshape(arr, (9,), order='F')
# 输出结果
print(new_arr)
输出：
[1 4 7 2 5 8 3 6 9]
示例5：修改数组形状时自动计算缺失的维度大小
import numpy as np
# 创建一维数组
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
# 将一维数组转换为二维数组，自动计算第二个维度的大小
new_arr = np.reshape(arr, (2, -1))
# 输出结果
print(new_arr)
输出：
[[1 2 3 4 5]
[6 7 8 9 10]]
4. 总结
通过numpy的reshape函数，我们可以方便地修改数组的形状，包括从一维数组转换为多维数组、从多维数组转换为一维数组以及修改数组的存储顺序等。在使用reshape时，需要注意指定正确的新形状，以及选择合适的存储顺序。 reshape函数的灵活性使得我们能够轻松地对数组进行形状变换，提高了数组处理的效率和简洁性。