numpy三维数据reshape的一些问题

令人抓狂的reshape

在使用numpy时，难免要对数据的shape进行改变。

假设现在有一个numpy的array，如下所示，表示创建一个0~10的形状为(2, 10, 4)的数组。

a = np.random.randint(0, 10, (2, 5, 4))

其中a是：

array([[[6, 5, 3, 0],
        [1, 9, 7, 1],
        [2, 2, 9, 1],
        [9, 8, 3, 5],
        [4, 0, 2, 5]],

       [[7, 0, 0, 7],
        [7, 9, 6, 0],
        [7, 9, 4, 4],
        [0, 8, 2, 2],
        [8, 2, 7, 7]]])

我需要做的是（抽象图）：
发现numpy中的reshape好像做不到？其中提供了order参数，包括'A', 'C', 'F'，这里其他好多博客都介绍了，目前我达不到我想要的效果。

发现使用np.concatenate和reshape函数的'F'模式进行组合，可以达到效果。大致思路是这样（见蓝色部分）：
也就是把a的两个维度拼起来然后用reshape的'F'模式进行形状的改变，代码如下

np.concatenate((a[0], a[1]), axis=0).reshape((5, 2, 4), order="F")

结果

array([[[6, 5, 3, 0],
        [7, 0, 0, 7]],

       [[1, 9, 7, 1],
        [7, 9, 6, 0]],

       [[2, 2, 9, 1],
        [7, 9, 4, 4]],

       [[9, 8, 3, 5],
        [0, 8, 2, 2]],

       [[4, 0, 2, 5],
        [8, 2, 7, 7]]])