阅读前请看一下:我是一个热衷于记录的人,每次写博客会反复研读,尽量不断提升博客质量。文章设置为仅粉丝可见,是因为写博客确实花了不少精力。希望互相进步谢谢!!
码字不易,谢谢点赞!!!
码字不易,谢谢点赞!!!
码字不易,谢谢点赞!!!
这里写自定义目录标题
1、np.reshape()基本用法
常用于矩阵规格变换,将矩阵转换为特定的行和列的矩阵
格式:a1.reshape(x,y,z,…)
注意:将矩阵a1转变成(x, y,z,…)---->一维长度x,二维长度y,三维长度z,…的矩阵。
场景:matlibplot画图时x、y轴需要传入的是一维,可以用reshape()实现;再例如需要将多维的变成行向量或列向量时也经常要用
2、reshape(-1)、reshape(1,-1)、reshape(-1,1)区分
reshape(-1):转换成一维,一行。可知numpy默认行
reshape(1,-1):转化成二维,一行,-1代表不知道多少列
reshape(-1,1):转化成二维,1列,-1代表不知道有多少行
import numpy as np
tmp = np.array([[[1,2,3], [4,5,6]]]) #创建一个三维
print(tmp)
print(tmp.reshape(-1)) #一维,numpy里把一维的既可当作行向量,也可当作列向量
print(tmp.reshape(1,-1)) #二维,行向量
print(tmp.reshape(-1,1)) #二维,列向量
输出:
注:因为在numpy里一维既可以做行向量也可以做列向量,那对于任意一个给定的一维向量,我们就无法确定他到底是行向量还是列向量,为了防止这种尴尬的境地,习惯上用二维矩阵而不是一维矩阵来表示行向量和列向量,因为二维必定能够确定他是行向量还是列向量。
具体原因见下列文章,写得很好。关于numpy中的一维向量、行向量、列向量的理解