Python的reshape(-1,3)的用法及引申

最近进行机器学习实战过程中，遇到了reshape函数的新用法，简单总结一下:

Numpy中reshape函数的三种常见相关用法

reshape(1,-1)转化成1行，列需要计算：

reshape(2,-1)转换成两行，列需要计算：

reshape(-1,1)转换成1列，行需要计算：

reshape(-1,2)转化成两列，行需要计算。

我们接下来通过例子来说明一下：

In [2]: import numpy as np
In [3]: x=np.array([[[1,2,3],[4,5,6],[7,8,9]]])
In [4]: x
Out[4]: 
array([[[1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]]])
In [5]: x.shape
Out[5]: (1, 3, 3)

我们定义一个三维数组，共计九个元素：
首先第一个reshape(1,-1)：

In [6]: x.reshape((1,-1))
Out[6]: array([[1, 2, 3, 4, 5, 6, 7, 8, 9]])

我们不难理解，我们目的是把三维数组转换成二维数组，且行数为1，那么列数为：9/1=9

所以是一个1*9的数组。

同样的道理，我们看一下另外三个：

In [7]: x.reshape((3,-1))
Out[7]: 
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])
In [8]: x.reshape((-1,1))
Out[8]: 
array([[1],
       [2],
       [3],
       [4],
       [5],
       [6],
       [7],
       [8],
       [9]])
In [9]: x.reshape((-1,3))
Out[9]: 
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

我们用（3，-1）和（-1，3）的原因很简单，因为2不能整除9.