数组形状改变

data=[[8.5,6,4.1,2,0.7],[1.5,3,5.4,7,3.9],[3.2,4.5,6,3,9]]
arr=np.array(data)

arr.reshape(5,3)
# array(
      [[8.5, 6. , 4.1],
       [2. , 0.7, 1.5],
       [3. , 5.4, 7. ],
       [3.9, 3.2, 4.5],
       [6. , 3. , 9. ]])
arr # 不会改变

arr.resize(5,3)
#array(
      [[8.5, 6. , 4.1],
       [2. , 0.7, 1.5],
       [3. , 5.4, 7. ],
       [3.9, 3.2, 4.5],
       [6. , 3. , 9. ]])
arr # 发生改变

arr.shape=(5,3)

arr.ravel(order='C')
# array([8.5, 6. , 4.1, 2. , 0.7, 1.5, 3. , 5.4, 7. , 3.9, 3.2, 4.5, 6. ,3. , 9. ])

arr.ravel(order='F')

# array([8.5, 2. , 3. , 3.9, 6. , 6. , 0.7, 5.4, 3.2, 3. , 4.1, 1.5, 7. ,4.5, 9. ])

arr.flatten()

# array([8.5, 6. , 4.1, 2. , 0.7, 1.5, 3. , 5.4, 7. , 3.9, 3.2, 4.5, 6. ,3. , 9. ])

arr.reshape(-1,3)
# array(
      [[8.5, 6. , 4.1],
       [2. , 0.7, 1.5],
       [3. , 5.4, 7. ],
       [3.9, 3.2, 4.5],
       [6. , 3. , 9. ]])

arr.reshape(-1)
# array([8.5, 6. , 4.1, 2. , 0.7, 1.5, 3. , 5.4, 7. , 3.9, 3.2, 4.5, 6. ,3. , 9. ])

ravel()和rshape()返回的源数组的视图，改变数据会影响源数组

flatten()不会影响到源数组

arr_t=arr.flatten()
arr_t[np.newaxis,:].shape
# (1,15)

np.hstack([arr1,arr2])  # 水平合并，行数须相同
np.vstack([arr1,arr2])  # 垂直合并，列数须相同
np.concatenate([arr1,arr2],axis=1)  # 列方向上拼接
np.concatenate([arr1,arr2],axis=0)  # 行方向上拼接
np.tile(arr1,(4,4))  # 在行和列方向分别复制4份