本文详细介绍numpy中reshape函数的三种常见相关用法。
一般用法: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:
In [1]:
np.arange(16).reshape(2,8) #生成16个自然数,以2行8列的形式显示
Out[1]:
array([[ 0, 1, 2, 3, 4, 5, 6, 7],
[ 8, 9, 10, 11, 12, 13, 14, 15]])
特殊用法: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(-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, e)即列数固定,行数需要计算):
In [2]: arr=np.arange(16).reshape(2,8)
out[2]:
In [3]: arr
out[3]:
array([[ 0, 1, 2, 3, 4, 5, 6, 7],
[ 8, 9, 10, 11, 12, 13, 14, 15]])
In [4]: 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[4]:
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15]])
In [5]: 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[5]:
array([[ 0, 1],
[ 2, 3],
[ 4, 5],
[ 6, 7],
[ 8, 9],
[10, 11],
[12, 13],
[14, 15]])
In [6]: 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[6]:
ValueError: cannot reshape array of size 16 into shape (10,newaxis)
其他用法:numpy.arange(a,b,c)/ numpy.arange(a,b,c).reshape(m,n); 从 数字a起, 步长为c, 到b结束,生成array:
In [7]: np.arange(1,12,2)#间隔2生成数组,范围在1到12之间
Out[7]: array([ 1, 3, 5, 7, 9, 11])
In [8]: np.arange(1,12,2).reshape(3,2)
Out[39]:
array([[ 1, 3],
[ 5, 7],
[ 9, 11]])