numpy中reshape方法详解

numpy中reshape方法详解

  reshape() 是 NumPy 中的一个函数，用于改变数组的形状（维度）。在不改变数组元素的情况下重新组织数组的维度。

reshape() 函数的语法如下：

numpy.reshape(array, newshape, order='C')

参数说明：

• array：要进行形状改变的数组。
• newshape：表示新的形状的整数或整数元组。
• order（可选）：指定元素在新数组中的存储顺序。默认值是 ‘C’，表示按行存储（行主序）。其他可选值有 ‘F’，表示按列存储（列主序）和 ‘A’，表示保持原始数组的存储顺序。

  reshape() 函数返回一个具有新形状的数组，而不改变原始数组。如果新形状无法满足原始数组的元素数量，将引发一个错误。

import numpy as np

arr = np.arange(12)  # 创建一个包含 0 到 11 的一维数组
print("原始数组:")
print(arr)

reshaped_arr = arr.reshape((3, 4))  # 将一维数组转换为 3x4 的二维数组
print("改变形状后的数组:")
print(reshaped_arr)

arr2 = np.arange(24).reshape((2, 3, 4))  # 创建一个形状为 2x3x4 的三维数组
print("三维数组:")
print(arr2)

flattened_arr = arr2.reshape(-1)  # 将三维数组展平为一维数组
print("展平后的数组:")
print(flattened_arr)

原始数组:
[ 0  1  2  3  4  5  6  7  8  9 10 11]
改变形状后的数组:
[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
三维数组:
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
展平后的数组:
[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]