Numpy之reshape()详解

Numpy中reshape的使用方法为:numpy.reshape(a, newshape, order='C')

参数详解：
1.a: type:array_like(伪数组，可以看成是对数组的扩展，但是不影响原始数组。)
需要reshape的array
2.newshape:新的数组
新形状应与原形状兼容。如果是整数，那么结果将是该长度的一维数组。一个形状尺寸可以是-1。在本例中，值是 从数组的长度和剩余维度推断出来的。
3.order: 可选为(C, F, A)
C: 按照行来填充
F: 按照列的顺序来填充
A: 按任意方向，(default)。 这里相当于行
4.returns: ndarray，即返回一或多维数组

套话讲完，我们进入实战：
首先，先创建几个n维数组
import numpy as np

这里的意思是创建了一个2维数组

这里创建了一个3维2X2的数组。

这是四维
(1,2) 表示 [[ 0, 1]]
(3,1,2)表示3个(1,2):
[[[ 0, 1]],
[[ 2, 3]],
[[ 4, 5]]],
(2,3,1,2)表示2个(3,1,2):
[ [[[ 0, 1]],
[[ 2, 3]],
[[ 4, 5]]],

[[[ 6, 7]],
[[ 8, 9]],
[[10, 11]]] ]
了解了newshape里面的东西，reshape基本没啥问题了。
我们再来看看order。
分别利用C，F，A来填充数据：



看到区别了吧，这就是reshape基本用法。

菜鸟的第一篇文章，因为之前newshape那卡了一下，特记录于此。