关于Python的Numpy库reshape（）函数的用法

您所在的位置：网站首页 › 简述matlab数组和矩阵运算的异同点 › 关于Python的Numpy库reshape（）函数的用法

关于Python的Numpy库reshape（）函数的用法

2023-07-11 18:42| 来源: 网络整理| 查看: 265

1.介绍

更改数组的形状，不改变原数组

2.语法

a = np.reshape(mat, newshape, order = ‘C’) a : newshape形状的新数组 mat : 原数组 newshape：(1, 2)/ 1, 2 都可以改为1行2列的数组 order：读取原数组的规则，默认为C（C行优先，F按某种方式，但不是列优先！） order暂时按这么理解。

3.使用 b = np.reshape(a, newshape)b = a.reshape(newshape)

key：其中newshape中可以有参数-1，意义为模糊推测，如(-1, 2)我不管你有行，修改为2列的二维数组即可；如（3，-1）我不管你有几列，修改为3行的二维数组即可

3.1 order的引用示例

行优先：

import numpy as np a = np.array([[1, 2, 3, 10], [4, 5, 6, 11], [7, 8, 9, 12]]) print("原数组：") print(a) # 修改为1，行12列数组，顺序读取 b = a.reshape(1, 12, order='C') print("修改后：") print(b)

在这里插入图片描述 F方式读取

import numpy as np a = np.array([[1, 2, 3, 10], [4, 5, 6, 11], [7, 8, 9, 12]]) print("原数组：") print(a) # 修改为1行12列，按列优先读取 b = a.reshape(1, 12, order='F') print("修改后：") print(b)

在这里插入图片描述非列优先

3.2 实际用法（一般order为默认值）

给定形状

import numpy as np # 3行4列的二维数组 a = np.array([[1, 2, 3, 10], [4, 5, 6, 11], [7, 8, 9, 12]]) print("原数组：") print(a) # 此时中间只剩newshape，2行6列 b = a.reshape(2,6) print("修改后：") print(b)

在这里插入图片描述

模糊推测，推测列

import numpy as np # 3行4列的二维数组 a = np.array([[1, 2, 3, 10], [4, 5, 6, 11], [7, 8, 9, 12]]) print("原数组：") print(a) # 此时中间只剩newshape，修改为6行的数组就行，多少列我不知道 b = a.reshape(6, -1) print("修改后：") print(b)

模糊推测，推测行

import numpy as np # 3行4列的二维数组 a = np.array([[1, 2, 3, 10], [4, 5, 6, 11], [7, 8, 9, 12]]) print("原数组：") print(a) # 此时中间只剩newshape，修改为3列的数组就行，多少行我不知道 b = a.reshape(-1, 3) print("修改后：") print(b)

在这里插入图片描述模糊推测升维

import numpy as np # 3行4列的二维数组 a = np.array([[1, 2, 3, 10], [4, 5, 6, 11], [7, 8, 9, 12]]) print("原数组：") print(a) # 此时中间只剩newshape，修改为3行2列的子数组，多少行我不知道 b = a.reshape((-1, 3, 2)) print("修改后：") print(b)

在这里插入图片描述 key：在数组的一开始，数方括号，个数即为维数，原数组为二维数组，修改的数组为3维数组

以上就是reshape的用法，后续可能还会补充，欢迎在评论区讨论哦！

【本文地址】

关于Python的Numpy库reshape（）函数的用法

关于Python的Numpy库reshape（）函数的用法

今日新闻

推荐新闻