python——shape 与reshape

转载自:https://blog.csdn.net/u010916338/article/details/84066369
shape()和reshape()都是数组array中的方法

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

reshape(m,-1) #改变维度为m行、1列

reshape(-1,m) #改变维度为1行、m列

-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

 

    shape()

 import numpy as np
        a = np.array([1,2,3,4,5,6,7,8])  #一维数组
        print(a.shape[0])  #值为8，因为有8个数据
        print(a.shape[1])  #IndexError: tuple index out of range
         
        a = np.array([[1,2,3,4],[5,6,7,8]])  #二维数组
        print(a.shape[0])  #值为2，最外层矩阵有2个元素，2个元素还是矩阵。
        print(a.shape[1])  #值为4，内层矩阵有4个元素。
        print(a.shape[2])  #IndexError: tuple index out of range

     
    reshape()

 
    reshape新生成数组和原数组公用一个内存，不管改变哪个都会互相影响。