numpy.reshape()方法详解

二维数组

1. 定义

由多个一维列表一行一行堆叠形成二维。（这些一维数组必须相同长度的）

#创建一个二维数组。（体会堆叠的过程）
import numpy as np
a = [1, 2, 3] ; b = [4, 5, 6]; c = [7, 8, 9] #三个一维数组
w1 = np.array( [a,b,c] )  # 多个一维数组，一行一行堆叠，形成二维数组
print(w1)

# 结果：
[[1 2 3]
 [4 5 6]
 [7 8 9]]

2. 二维数组的变形

np.reshape(array,(x,y)) 

参数	含义
array	需要变形的数组
x	变形后的行数
y	变形后的列数

注意：形状变化是基于数组元素不能改变的，变成的新形状中所包含的元素个数必须符合原来元素个数。如果新数组元素发生变化的时候，就会报错

三维数组及以上

1. 定义

多个二维构成三维，以此类推可得更高维矩阵（一般3维以上就不用numpy.array()这种方法创建了）。

#%% ---------------------------------------------创建三维数组的例子1：（2,3,3）
import numpy as np
a = [1, 2, 3] ; b = [4, 5, 6]; c = [7, 8, 9]

# 多个一维数组，一行一行堆叠形成一个二维数组（3x3）
# 两个二维数组，构成三维数组（2x3x3）
# 最后再用一个 [] 把整体括起来！
w2 = np.array( [ [a,b,c], [a,b,c] ] ) #将两个二维数组堆叠
print(w2)

# 结果：
[[[1 2 3]
  [4 5 6]
  [7 8 9]]

 [[1 2 3]
  [4 5 6]
  [7 8 9]]]

#%% ---------------------------------------------创建三维数组的例子2：（4,2,3）
import numpy as np
a = [1, 2, 3] ; b = [4, 5, 6]; c = [7, 8, 9]

# 每一页 / 每一个二维数组内容不同：
w3 = np.array( [ [a,b], [a,c], [b,c], [a,a] ] ) #将四个二维数组堆叠
print(w3)

# 结果：
[[[1 2 3]
  [4 5 6]]

 [[1 2 3]
  [7 8 9]]

 [[4 5 6]
  [7 8 9]]

 [[1 2 3]
  [1 2 3]]]

由创建三维例子的例子可以看出：np.array（n，x，y）

参数	含义
n	三维数组由n个二维数组组成
x	二维数组的行数
y	二维数组的列数

2. 三维数组的变形

np.reshape(array,(n,x,y)) 

参数	含义
array	需要变形的数组
n	变形成多少个二维数组
x	变形后的二维数组的行数
y	变形后的二维数组的列数

3. 三维数组的赋值

data_array[1, 2, 2]=1 表示为第2个二维数组；二维数组的第3行第3列；（下标从0开始）

data_array[1, 2, 2]=1

print(data_array)
[[[0 0 0 0 0 0]
  [0 0 0 0 0 0]
  [0 0 0 0 0 0]
  [0 0 0 0 0 0]
  [0 0 0 0 0 0]]

 [[0 0 0 0 0 0]
  [0 0 0 0 0 0]
  [0 0 1 0 0 0]
  [0 0 0 0 0 0]
  [0 0 0 0 0 0]]

 [[0 0 0 0 0 0]
  [0 0 0 0 0 0]
  [0 0 0 0 0 0]
  [0 0 0 0 0 0]
  [0 0 0 0 0 0]]]

4. 识别数组维数的小技巧

最快验证自己创建的数组是否满足自己的维度需求的方式，就是看打印的结果中，最外面有几个 ] 中括号，有几个 ] 就是几维数组！如下图，打印结果最外层有3个 ]，说明满足3维的要求。

# 创建一个全是0的三维数组
data_array = np.zeros((3, 5, 6), dtype=np.int) #创建3个二维数组，每个二维数组5维，6列
print(data_array)

#结果
[[[0 0 0 0 0 0]
  [0 0 0 0 0 0]
  [0 0 0 0 0 0]
  [0 0 0 0 0 0]
  [0 0 0 0 0 0]]

 [[0 0 0 0 0 0]
  [0 0 0 0 0 0]
  [0 0 0 0 0 0]
  [0 0 0 0 0 0]
  [0 0 0 0 0 0]]

 [[0 0 0 0 0 0]
  [0 0 0 0 0 0]
  [0 0 0 0 0 0]
  [0 0 0 0 0 0]
  [0 0 0 0 0 0]]]

参考文章

https://blog.csdn.net/qq_28618765/article/details/78083895
https://www.jianshu.com/p/6caf8215a5b1
https://blog.csdn.net/qq_34840129/article/details/86294530