Numpy的Reshape和Resize

---

前言

一、 Numpy的Reshape
二、 Numpy的Resize

说明：
reshape和resize 都可以改变数组的形状，但是reshape不改变原有数组的数据，resize可以改变原数组的数据

一、 Numpy的Reshape

1.shape是查看数据有多少行多少列
2.reshape()是数组array中的方法，这个方法是在不改变数据内容的情况下，改变一个数组的格式。（作用是将数据重新组织）
(1). order : 可选范围为{‘C’, ‘F’, ‘A’}。使用索引顺序读取a的元素，并按照索引顺序将元素放到变换后的的数组中。如果不进行order参数的设置，默认参数为C。
(2). “C”指的是用类C写的读/索引顺序的元素，最后一个维度变化最快，第一个维度变化最慢。 以二维数组为例，简单来讲就是横着读，横着写，优先读/写一行。
(3). “F”是指用FORTRAN类索引顺序读/写元素，最后一个维度变化最慢，第一个维度变化最快。 竖着读，竖着写，优先读/写一列。注意，“C”和“F”选项不考虑底层数组的内存布局，只引用索引的顺序。

Reshape的实操案例

1.shape查看数据有多少行多少列

import  numpy as np
a = np.arange(8)
print(a)
print(a.shape)   # 查看当前格式，结果为1行8列，即（8,) 相当于（1,8)

2.reshape()数据的重新组织。

import  numpy as np

a = np.arange(8)
print(a)
print(a.shape)          # 查看当前格式，结果是一维的1行8列，即（8,) 相当于（1,8)
print("-"*20)

b = a.reshape(1,8)      # 改变格式（形状）为1行8列，行数是 a（8）能除的尽的数才行
print(b.shape)          # 查看当前格式

c = a.reshape(1,-1)     # 改变格式（形状），'-1代表请系统自行计算列数'
print(c.shape)
print("-"*20)

d = a.reshape(2,-1)      # 2维2行4列，行数是 a（8）能除的尽的数才行
print(d.shape)

e = a.reshape(4,-1)      # 2维4行2列  行数是 a（8）能除的尽的数才行
print(e.shape)

f = a.reshape(2,2,-1)    # 3维
print(f.shape)

print("-"*20)
g = a.reshape(3,-1)
print(g.shape)            #行数是 a（8）能除的尽的数才行，否则会报错。

报错信息：

3.reshape()中order的使用

import  numpy as np              # order的使用
a = np.arange(8)

b = a.reshape(2,4,order = 'C')   # order =  'C'  横着读，横着写，默认为C
print(b)
print("-"*20)
b1 = a.reshape(2,4,order = 'F')  # order =  'F' 竖着读，竖着写
print(b1)

二、 Numpy的Resize

Resize就是变更原有矩阵的大小
◼ resize-1:有返回值的resize，不会改变原来array的shape;
◼ resize-2:若resize后需要的数据量少，会丢弃一些数据;
◼ resize-3:若resize后需要的数据量多，会补0。

Resize的实操案例

import  numpy as np
a = np.arange(9)
print(a)

b = np.resize(a,(2,4))   # 若resize后需要的数据量少，会丢弃一些数据;
print(b)
print('-'*15)
b = np.resize(a,(6,3))   # 改变形状为6行3列,尺寸不够会循环填充;
print(b)