Python——numpy库中reshape的用法

必须是矩阵或者数组才能使用reshape函数来对其进行重组，在使用reshape时我们需要注意数据量是否能够转换成我们所需要的行列数，比如20个数分成3行8列是会报错的

以下示例源数据为

import numpy as np

print(type(np.arange(20)))#需要注意arange(8)创建范围时从0开始不包括8
print(np.arange(20))

'''以下为输出结果
<class 'numpy.ndarray'>
[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19]'''

reshape的常用形式有三种：
（1）reshape(m,n)：转换成m行n列

import numpy as np

data=np.arange(8)#创建源数据
print(data.reshape(4,2))#将源数据转换成4行2列的矩阵

'''以下为输出结果
[[0 1]
 [2 3]
 [4 5]
 [6 7]]'''

（2）reshape(m,-1)：转换成m行1列

import numpy as np

data=np.arange(8)#创建源数据
data.reshape(4,2)#先转换成4行2列
print(data.reshape(8,-1))#转换成8行1列的矩阵，作用与reshape(8,1)

'''输出：
[[ 0]
 [ 1]
 [ 2]
 [ 3]
 [ 4]
 [ 5]
 [ 6]
 [ 7]]'''

在使用时需要注意以下情况 

import numpy as np

data=np.arange(8)
data.reshape(4,2)
'''转换成4行2列后的数据：
[[0 1]
 [2 3]
 [4 5]
 [6 7]]'''
print(data.reshape(2,-1))#对自动8个数据进行重组，以不是-1的指定元素为主
#这里reshape(2,-1)尚可转换成2行，若是reshape(2,1)明确指定行列的情况下则会出现无法重组的报错

'''转换成2行1列则会出现：
[[0 1 2 3]
 [4 5 6 7]]'''

（3）reshape(-1,n)：转换成1行n列

import numpy as np

data=np.arange(8)
data.reshape(4,2)
print(data.reshape(-1,8))#将源数据转换成1行20列的数据

#输出：
#[[ 0  1  2  3  4  5  6  7  ]]

在使用时需要注意以下情况： 

import numpy as np

data=np.arange(8)
data.reshape(4,2)
'''转换成4行2列后的数据：
[[0 1]
 [2 3]
 [4 5]
 [6 7]]'''

print(data.reshape(-1,2))#对自动8个数据进行重组，以不是-1的指定元素为主
#这里reshape(-1,2)尚可转换成2列，若是reshape(1,2)明确指定行列的情况下则会出现无法重组的报错

#reshape(-1,2)后的结果:
'''[[0 1]
    [2 3]
    [4 5]
    [6 7]]'''