常用的numpy函数reshape()

经常会碰到reshape函数，但是每次都是走马观花，没有去深究其用法

reshape函数的基本用法如下：

 

new_array = np.reshape(old_array, new_shape)

其中，old_array是原始的数组，new_shape是新的形状。

在MNIST数据集的示例中，将图像数组变换为四维数组：

x_train = x_train.reshape(x_train.shape[0], 28, 28, 1) / 255.0
x_test = x_test.reshape(x_test.shape[0], 28, 28, 1) / 255.0

这里将图像数组的形状从原来的(60000, 28, 28)改变为(60000, 28, 28, 1)，并且将像素值归一化到0到1之间。

reshape函数是在numpy库中提供的非常有用的函数，可以方便地改变数组的形状以满足不同的需求。也可以这样子

new_array = np.reshape(old_array, new_shape, order='C')

a：输入的数组。

newshape：新格式数组的形状。

order：可选范围为{‘C’, ‘F’, ‘A’}。按照order的顺序读取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。

参数C：横着读，横着写，优先读/写一行。

参数F：竖着读，竖着写，优先读/写一列。

参数A：所生成的数组的效果与原数组a的数据存储方式有关，如果数据是按照FORTRAN

存储的话，它的生成效果与”F“相同，否则与“C”相同。

返回值：新生成的数组