Python的reshape的用法：reshape(1,-1)

目录

numpy中reshape函数的三种常见相关用法

reshape(1,-1)转化成1行：

reshape(2,-1)转换成两行：

reshape(-1,1)转换成1列：

reshape(-1,2)转化成两列

---

---

numpy中reshape函数的三种常见相关用法

• numpy.arange(n).reshape(a, b)    依次生成n个自然数，并且以a行b列的数组形式显示

np.arange(16).reshape(2,8) #生成16个自然数，以2行8列的形式显示
# Out: 
# array([[ 0,  1,  2,  3,  4,  5,  6,  7],
#       [ 8,  9, 10, 11, 12, 13, 14, 15]])

• mat (or array).reshape(c, -1)     必须是矩阵格式或者数组格式，才能使用 .reshape(c, -1) 函数， 表示将此矩阵或者数组重组，以 c行d列的形式表示

arr.shape    # (a,b)
arr.reshape(m,-1) #改变维度为m行、d列 （-1表示列数自动计算，d= a*b /m ）
arr.reshape(-1,m) #改变维度为d行、m列 （-1表示行数自动计算，d= a*b /m ）

-1的作用就在此: 自动计算d：d=数组或者矩阵里面所有的元素个数/c, d必须是整数，不然报错）

（reshape(-1, m)即列数固定，行数需要计算）

arr=np.arange(16).reshape(2,8)
arr
'''
out:
array([[ 0,  1,  2,  3,  4,  5,  6,  7],
       [ 8,  9, 10, 11, 12, 13, 14, 15]])
'''
 
arr.reshape(4,-1) #将arr变成4行的格式，列数自动计算的(c=4, d=16/4=4)
'''
out:
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])
''' 
arr.reshape(8,-1) #将arr变成8行的格式，列数自动计算的(c=8, d=16/8=2)
'''
out:
array([[ 0,  1],
       [ 2,  3],
       [ 4,  5],
       [ 6,  7],
       [ 8,  9],
       [10, 11],
       [12, 13],
       [14, 15]])
''' 
arr.reshape(10,-1) #将arr变成10行的格式，列数自动计算的(c=10, d=16/10=1.6 != Int)
'''
out:
ValueError: cannot reshape array of size 16 into shape (10,newaxis)
'''

• numpy.arange(a,b,c)    从 数字a起, 步长为c, 到b结束，生成array
• numpy.arange(a,b,c).reshape(m,n)  ：将array的维度变为m 行 n列。

np.arange(1,12,2)#间隔2生成数组，范围在1到12之间
# Out: array([ 1,  3,  5,  7,  9, 11])
 
np.arange(1,12,2).reshape(3,2)
'''
Out: 
array([[ 1,  3],
       [ 5,  7],
       [ 9, 11]])
'''

---

reshape(1,-1)转化成1行：

reshape(2,-1)转换成两行：

---

reshape(-1,1)转换成1列：

 

reshape(-1,2)转化成两列

 

  本文参考了 Python的reshape(-1,1)    、Numpy中reshape函数、reshape(1,-1)的含义(浅显易懂，源码实例)

详内容可以参看reshape的官方文档：