Numpy reshape() 函数

Numpy reshape() 函数用于在不改变数组数据的情况下改变其形状。它会返回一个具有指定维度的新视图或数组，前提是元素总数保持不变。

此函数接受两个主要参数，一个是需要重塑的数组，另一个是指定新形状的元组。如果新形状与元素总数不兼容，则会引发"ValueError"。

Numpy reshape() 函数可用于转换数据以适应不同的处理需求，例如在行主格式和列主格式之间转换，或为机器学习模型准备数据。

语法

Numpy reshape() 函数的语法如下 -

numpy.reshape(arr, newshape, order='C')

参数

以下是 Numpy reshape() 函数的参数 -

• arr: 需要转换的输入数组重塑。
• newshape 此参数可以是整数或整数元组。新形状应与原始形状兼容。
• order 此参数定义读写顺序。"C"表示行优先，"F"表示列优先。

返回值

reshape() 函数返回一个数据相同但形状不同的新数组。

示例 1

以下是 Numpy reshape() 函数的基本示例。在此示例中，我们将一个包含 8 个元素的一维数组重塑为一个 2x4 的二维数组 -

import numpy as np

# 创建一个包含 8 个元素的一维数组
a = np.arange(8)
print('原始数组:')
print(a)
print('
')

# 将数组重塑为形状为 (4, 2) 的二维数组
b = a.reshape(4, 2)
print('修改后的数组:')
print(b)

输出

原始数组:
[0 1 2 3 4 5 6 7]

修改后的数组:
[[0 1]
[2 3]
[4 5]
[6 7]]

示例 2

本示例使用 -1 自动计算将 2x3 数组重塑为 3x2 数组的适当维度 -

import numpy as np

# 原始数组
a = np.array([[1, 2, 3], [4, 5, 6]])
# 使用 -1 推断其中一个维度，将数组重塑为 3x2
reshaped_array = np.reshape(a, (3, -1))

print("原始数组:")
print(a)
print("重塑后的数组 (3x2):")
print(reshaped_array)

输出

原始数组:
[[1 2 3]
[4 5 6]]
重构数组 (3x2):
[[1 2]
[3 4]
[5 6]]

示例 3

我们知道，我们可以根据需要分配 order 参数，因此在下面的示例中，我们将 order 定义为"F"，即类似 Fortran 的列主序，将 2x3 数组重构为 3x2 数组 -

import numpy as np

# 原始数组
a = np.array([[1, 2, 3], [4, 5, 6]])
# 将数组重塑为类似 Fortran 顺序的 3x2 数组
reshaped_array = np.reshape(a, (3, 2), order='F')

print("原始数组:")
print(a)
print("重塑后的数组 (3x2) 以类似 Fortran 顺序排列:")
print(reshaped_array)

输出

原始数组:
[[1 2 3]
[4 5 6]]
重塑后的数组 (3x2) 以类似 Fortran 顺序排列:
[[1 5]
[4 3]
[2 6]]

numpy_array_manipulation.html