numpy.reshape及降低维度或升维的思考

最近，由于程序最终需要涉及到保存数据，二维数据是可以直接可视化看到的。
自己程序生成的是三维数据，需要保存成二维数据。 由此引发了对reshape的一些思考。

1. 我的数据初始维度是（55，2000） 有55个人的生理数据，一个人生理数据截取2000个点
2. 通过网络的预处理（对上面的数据进行切片【切片大小为24】，切片是在55维度上进行步进式切片）导致了数据维度的增加，变为（31，24，2000） 即有31个 24*2000的列表（根据numpy格式的直观解释）【升维】
3. 保存数据，需要保存为二维数据（~，2000）【 ~代表不确定多少】，若数据数量较少可以计算出来，31242000/2000=744 若数量过多，可以直接用 -1 代替 ~ ，程序会自动补全 【降维】
4. 到这里也就知道reshape的本质： 把数据展开成一维，根据需求进行切片，来决定升维还是降维
5. 例如：现有（A，B，C）的数据，数据总量=ABC。 利用重塑，重塑成（D，F）
   个人理解：ABC/F 去切片，最终切出多个F长度的数组，D就是多少，把D个F长的数组纵向堆砌，最终重塑成（D，F）

仅做个人记录，若有错误，望指正