主要用到shape, reshape函数
我们先搞清np.ndarrayd数组的特点
import numpy as np
ex = np.arange(0,12,1)
ex
# 括号里的0可以省略,也可以换成其他起始数,1是步长。运行上述代码,我们
# 发现ex只是一个序列并没有维数(形状)上的特征
>>> array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])
# 接下来我们用reshape来更改数组的形状
ex1 = np.arange(12).reshape(1,12) # 1是行数,2是列数
ex2 = np.arange(12).reshape((1,12)) # 形状以数组形式传入
ex3 = np.arange(12).reshape(1,-1)
# -1代表依据前面已经给定的行数来确定列数
ex1
>>> array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]])
# ex1,ex2,ex3 出来的数组相同,如上所示,跟ex区别的地方在于多了一个
# 中括号,所以ex1有了形状,像是1*12的矩阵。当然要真正变成矩阵还需要
# np.mat()函数
#
接下来我们将上面ex改成的一个3*4的数组
ex4 = ex.reshape(3, 4) # or ex4=ex.reshape(3,-1)
ex4
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
如果我们要获取一个数组的形状,用shape函数即可
ex4.shape
(3L, 4L)
输出的是一个tuple,里面的元素是格式为long的数字,个人认为跟int,float没什么区别,感兴趣的可以去百度。
另一种更改数组形状的方法
ex.shape = 3,4 # or ex.shape=(3,4)