Python numpy reshape详解|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。