NumPy教程-numpy.reshape()在Python中的使用
numpy.reshape()函数是NumPy包中的一个函数。顾名思义，reshape表示“改变形状”。numpy.reshape()函数帮助我们在不改变数据的情况下为数组获取新的形状。
有时，我们需要将数据从宽格式转换为长格式。在这种情况下，我们必须使用reshape()函数来重新塑造数组。
语法
numpy.reshape(arr, new_shape, order='C')参数
reshape()函数有以下参数：
1) arr: array_like
这是一个ndarray。这是我们想要重新塑造的源数组。这个参数是必需的，在numpy.reshape()函数中发挥着重要作用。
2) new_shape: int或int元组
我们要将原始数组转换为的形状应与原始数组兼容。如果是整数，则结果将是长度为该整数的1-D数组。一个形状维度可以为-1。在这里，该值会被数组的长度和剩余维度近似。
3) order: {'C'，'F'，'A'}，可选
这些索引顺序参数在reshape()函数中发挥着关键作用。这些索引顺序用于读取源数组的元素，并使用这些索引顺序将元素放入重新塑造的数组中。
- 索引顺序'C'表示使用类似C的索引顺序读取/写入元素，其中最后一个轴索引变化最快，从第一个轴索引变化最慢。
- 索引顺序'F'表示使用类似Fortran的索引顺序读取/写入元素，其中最后一个轴索引变化最慢，而第一个轴索引变化最快。
- 'C'和'F'顺序不涉及底层数组的内存布局，只涉及索引的顺序。
- 索引顺序'A'表示在内存中连续时，按照类似Fortran的索引顺序读取/写入元素，否则使用类似C的顺序。
返回值
该函数返回一个ndarray。如果可能，它是一个新的视图对象；否则，它将是一个副本。返回的数组的内存布局没有保证。
示例 1：类似C的索引顺序
import numpy as np
x = np.arange(12)
y = np.reshape(x, (4, 3))
x
y 输出：
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])在上面的代码中
- 我们使用别名np导入了numpy。
- 我们使用
np.arange()函数创建了一个数组'x'。 - 我们声明了变量'y'，并将其赋值为
np.reshape()函数的返回值。 - 我们在函数中传递了数组'x'和形状。
- 最后，我们尝试打印数组的值。
在输出中，数组已经被表示为三行四列。
示例 2：与C ravel然后C reshape等效
import numpy as np
x = np.arange(12)
y = np.reshape(np.ravel(x), (3, 4))
x
y ravel()函数用于创建一个连续的扁平数组。返回一个包含输入元素的一维数组。只有在需要时才会制作副本。
输出：
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])示例 3：类似Fortran的索引顺序
import numpy as np
x = np.arange(12)
y = np.reshape(x, (4, 3), order='F')
x
y 输出：
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])
array([[ 0, 4, 8],
[ 1, 5, 9],
[ 2, 6, 10],
[ 3, 7, 11]])在上面的代码中
- 我们使用别名np导入了numpy。
- 我们使用
np.arange()函数创建了一个数组'x'。 - 我们声明了变量'y'，并将其赋值为
np.reshape()函数的返回值。 - 我们在函数中传递了数组'x'、形状和类似Fortran的索引顺序。
- 最后，我们尝试打印数组的值。
在输出中，数组已经被表示为四行三列。
示例 4：类似Fortran的索引顺序
import numpy as np
x = np.arange(12)
y = np.reshape(np.ravel(x, order='F'), (4, 3), order='F')
x
y 输出：
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])
array([[ 0, 4, 8],
[ 1, 5, 9],
[ 2, 6, 10],
[ 3, 7, 11]])示例 5：未指定的值被推断为2
import numpy as np
x = np.arange(12)
y = np.reshape(x, (2, -1))
x
y 在上面的代码中
- 我们使用别名np导入了numpy。
- 我们使用
np.arange()函数创建了一个数组'x'。 - 我们声明了变量'y'，并将其赋值为
np.reshape()函数的返回值。 - 我们在函数中传递了数组'x'和形状（未指定值）。
- 最后，我们尝试打印数组的值。
在输出中，数组已经被表示为两行五列。
输出：
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])
array([[ 0, 1, 2, 3, 4, 5],
[ 6, 7, 8, 9, 10, 11]])
