使用reshape函数调整形状时的使用事项

在 NumPy 或 TensorFlow 等库中，reshape 方法可以用于改变数组的形状。在调用 reshape 时，可以使用 -1 作为一个特殊的参数，它表示该维度的大小将会自动计算，以保持原始数组中的元素总数不变。

例如，假设你有一个二维数组 arr，形状是 (6, 2)，你可以使用 reshape(-1, 1) 将其变成一个二维数组，其中包含了 12 行和 1 列，也就是将原始数组的每个元素变成了一行：

(12, 1) 和 (12,) 是不同的形状。

(12, 1) 表示一个二维数组，其中包含了 12 行和 1 列。可以将它看作一个列向量。

(12,) 表示一个一维数组，其中包含了 12 个元素。可以将它看作一个行向量。

虽然它们在数学上有相同的元素数量（12个），但形状不同，这在某些情况下可能会导致不同的行为，特别是在进行矩阵运算或者将其传递给某些函数时。因此，在处理数据时，需要注意它们的形状。

学习测试代码

"""
# -*- coding: utf-8 -*-
# @Time    : 2023/10/17 15:12
# @Author  : 王摇摆
# @FileName: test3.py
# @Software: PyCharm
# @Blog    ：https://blog.csdn.net/weixin_44943389?type=blog
"""
import numpy as np

arr = np.array([[1, 2], [3, 4], [5, 6], [7, 8], [9, 10], [11, 12]])
print(arr.shape)

reshaped_arr = arr.reshape(-1, 1)
print(reshaped_arr)
print(reshaped_arr.shape)
print(reshaped_arr.ndim)