python中numpy.concatenate()和numpy.reshape()函数的使用

numpy.concatenate()函数

        numpy.concatenate() 是一种数组拼接方法，将具有相同结构的array序列拼接成一个array。
        numpy提供了numpy.concatenate((a1,a2,…), axis=0)函数，能够一次完成多个数组的拼接，其中a1,a2,…是数组类型的参数，axis是拼接方向，默认值为0，拼接方向可以理解为拼接完成后数量发生变化的方向。axis=0，拼接方向为横轴，需要纵轴结构相同，表示对应列的数组拼接；axis=1，拼接方向为纵轴，需要横轴结构相同，表示对应行的数组拼接；axis=None，则数组在使用前被展平。
        numpy.append()和numpy.concatenate()均为numpy数组拼接方法，这两个函数从运行时间方面进行比较的话， numpy.concatenate()效率更高，适合大规模的数组拼接。

• examples1:
  >>> import numpy as np
  >>> a = np.array([1, 2])
  >>> b = np.array([3, 4])
  >>> np.concatenate((a, b), axis=0)
  array([[1,2,3,4])

• examples2:
  >>> import numpy as np
  >>> a = np.array([[1, 2], [3, 4]])
  >>> b = np.array([[5, 6]])
  >>> np.concatenate((a, b), axis=0)
  array([[1, 2],
             [3, 4],
             [5, 6]])
  >>> np.concatenate((a, b.T), axis=1)
  array([[1, 2, 5],
             [3, 4, 6]])
  >>> np.concatenate((a, b), axis=None))
  array([1, 2, 3, 4, 5, 6])

numpy.reshape()函数

        numpy.reshape() 用于重塑数组的形状，作用是在不改变矩阵的数值的前提下修改矩阵的形状。
        numpy提供了numpy.reshape(a, newshape, order=‘C’)函数，其中，a：需要被重塑的数组；newshape：整数或整数数组，新的形状应该与原来的形状兼容，即行数和列数相乘后等于a中元素的数量；order：{‘C’,‘F’,‘A’}可选，使用此索引顺序读取a的元素，并使用此索引顺序将元素放置到重新形成的数组中。

• 简单使用
  >>> import numpy as np
  >>> a = np.array([[1, 2], [3, 4]])
  >>> a.reshape(1, 4)
  array([[1, 2, 3, 4]])

• 缺省值-1：np.reshape里面的-1代表不知道要给行（或者列）设置为几，reshape函数会根据原矩阵的形状自动调整。
  >>> import numpy as np
  >>> z = np.array([[1, 2, 3, 4],
                                 [5, 6, 7, 8]])
  >>> z.reshape(-1)
  array([ 1, 2, 3, 4, 5, 6, 7, 8])
  >>> z.reshape(-1, 1)
  array([[ 1],
             [ 2],
             [ 3],
             [ 4],
             [ 5],
             [ 6],
             [ 7],
             [ 8]])
  >>> z.reshape(-1, 2)
  array([[ 1, 2],
             [ 3, 4],
             [ 5, 6],
             [ 7, 8]])
             
         z.reshape(-1, 1)是说，我们不知道新z的行数是多少，但是想让z变成只有一列，行数不知的新数组，通过z.reshape(-1,1)，numpy自动计算出有8行，新的数组shape属性为(8, 1)，与原来的(2, 4)匹配。z.reshape(-1, 2)，行数未知，列数等于2，reshape后的shape等于(4, 2)。