python数据分析基础知识 — reshape()函数的使用

---

python中的reshape函数

numpy.reshape()函数主要是被用于改变数组的形状而不改变它的数据。该函数返回一个数据不变但是维度变化的数组。

---

一、reshape函数参数

reshape(a,newshape,order)

参数说明：

参数	描述
a	必须要有的，需要reshape的数组。
newshape	必须要有的，新的数组形状，必须要和旧的数组形状相兼容，如果是整数，则结果将是该长度的一维的数组。一个形状尺寸可以为-1，在这种情况下该值是根据数组的长度和其余维来推断的。
order	默认为“按行”排序，即行优先，order=‘c’；若要改为“按列”排列，可通过修改order参数进行改变，order=‘f’

二、reshape()函数的使用

1、修改数组的形状。

举例：

import numpy as np
x = np.array([[2,3,4], [5,6,7]])      
np.reshape(x, (3, 2))

#输出：
#array([[2, 3],
#       [4, 5],
#       [6, 7]])

2、如果是整数，则结果将是该长度的一维的数组。

举例：

import numpy as np  
x = np.array([[2,3,4], [5,6,7]])
np.reshape(x, 6)
#输出：
#array([2, 3, 4, 5, 6, 7])

3、newshape中的参数其中一个可写为-1，负数是模糊控制，负数可以为任何数，其作用在于计算机根据原数组中的元素总数自动计算行或列的值。比如reshape(-1,4)固定四行，多少列系统根据元素数量自动计算好；同理reshape(2,-2)固定两行，列数自动算好。

举例：

import numpy as np
x = np.array([[2,3,4], [5,6,7],[8,9,10],[11,12,13]])      
np.reshape(x, (-1,4))

#输出：
#array([[ 2,  3,  4,  5],
#       [ 6,  7,  8,  9],
#       [10, 11, 12, 13]])

注意：若出现了无法整除的情况，系统会报错，如下例所示。

import numpy as np
x = np.array([[2,3,4], [5,6,7],[8,9,10],[11,12,13]])      
np.reshape(x, (-1,5))

4、reshape()函数的默认排列方式，numpy中reshape()的默认排列方式是"按行"排列，即行优先，reshape(m,n)=reshape(m,n,order=‘c’);若要改为“按列”排列，可通过修改order参数进行改变,即reshape(m,n,order=‘f’)。

举例：

import numpy as np
x = np.array([[2,3,4], [5,6,7],[8,9,10],[11,12,13]])      
np.reshape(x, (-1,4),order='f')

#输出：
#array([[ 2, 11,  9,  7],
#       [ 5,  3, 12, 10],
#       [ 8,  6,  4, 13]])