Python的reshape的用法

Posted 2021-09-10 浩瀚之水_csdn

numpy中reshape函数的三种常见相关用法

reshape(1,-1)转化成1行：

reshape(2,-1)转换成两行：

reshape(-1,1)转换成1列：

reshape(-1,2)转化成两列

---

---

numpy中reshape函数的三种常见相关用法

• numpy.arange(n).reshape(a, b)    依次生成n个自然数，并且以a行b列的数组形式显示

1. np.arange(16).reshape(2,8) #生成16个自然数，以2行8列的形式显示

2. # Out:

3. # array([[ 0, 1, 2, 3, 4, 5, 6, 7],

4. # [ 8, 9, 10, 11, 12, 13, 14, 15]])

• mat (or array).reshape(c, -1)     必须是矩阵格式或者数组格式，才能使用 .reshape(c, -1) 函数， 表示将此矩阵或者数组重组，以 c行d列的形式表示

1. arr.shape # (a,b)

2. arr.reshape(m,-1) #改变维度为m行、d列 （-1表示列数自动计算，d= a*b /m ）

3. arr.reshape(-1,m) #改变维度为d行、m列 （-1表示行数自动计算，d= a*b /m ）

-1的作用就在此: 自动计算d：d=数组或者矩阵里面所有的元素个数/c, d必须是整数，不然报错）

（reshape(-1, m)即列数固定，行数需要计算）

1. arr=np.arange(16).reshape(2,8)

2. arr

3. '''

4. out:

5. array([[ 0, 1, 2, 3, 4, 5, 6, 7],

6. [ 8, 9, 10, 11, 12, 13, 14, 15]])

7. '''

9. arr.reshape(4,-1) #将arr变成4行的格式，列数自动计算的(c=4, d=16/4=4)

10. '''

11. out:

12. array([[ 0, 1, 2, 3],

13. [ 4, 5, 6, 7],

14. [ 8, 9, 10, 11],

15. [12, 13, 14, 15]])

16. '''

17. arr.reshape(8,-1) #将arr变成8行的格式，列数自动计算的(c=8, d=16/8=2)

18. '''

19. out:

20. array([[ 0, 1],

21. [ 2, 3],

22. [ 4, 5],

23. [ 6, 7],

24. [ 8, 9],

25. [10, 11],

26. [12, 13],

27. [14, 15]])

28. '''

29. arr.reshape(10,-1) #将arr变成10行的格式，列数自动计算的(c=10, d=16/10=1.6 != Int)

30. '''

31. out:

32. ValueError: cannot reshape array of size 16 into shape (10,newaxis)

33. '''

• numpy.arange(a,b,c)    从 数字a起, 步长为c, 到b结束，生成array
• numpy.arange(a,b,c).reshape(m,n)  ：将array的维度变为m 行 n列。

1. np.arange(1,12,2)#间隔2生成数组，范围在1到12之间

2. # Out: array([ 1, 3, 5, 7, 9, 11])

4. np.arange(1,12,2).reshape(3,2)

5. '''

6. Out:

7. array([[ 1, 3],

8. [ 5, 7],

9. [ 9, 11]])

10. '''

---

reshape(1,-1)转化成1行：

reshape(2,-1)转换成两行：

---

reshape(-1,1)转换成1列：

reshape(-1,2)转化成两列

  本文参考了 Python的reshape(-1,1)    、Numpy中reshape函数、reshape(1,-1)的含义(浅显易懂，源码实例)

详内容可以参看reshape的官方文档：