轉載自:https://blog.csdn.net/u010916338/article/details/84066369
shape()和reshape()都是數組array中的方法

numpy中reshape函數的三種常見相關用法

• numpy.arange(n).reshape(a, b) ?? 依次生成n個自然數，并且以a行b列的數組形式顯示

np.arange(16).reshape(2,8) #生成16個自然數，以2行8列的形式顯示# Out:# array([[ 0, 1, 2, 3, 4, 5, 6, 7],# [ 8, 9, 10, 11, 12, 13, 14, 15]])

• mat (or array).reshape(c, -1) ? ? 必須是矩陣格式或者數組格式，才能使用 .reshape(c, -1) 函數， 表示將此矩陣或者數組重組，以 c行d列的形式表示

reshape(m,-1) #改變維度為m行、1列reshape(-1,m) #改變維度為1行、m列

-1的作用就在此: 自動計算d：d=數組或者矩陣里面所有的元素個數/c, d必須是整數，不然報錯）

（reshape(-1, m)即列數固定，行數需要計算）

arr=np.arange(16).reshape(2,8)arr'''out:array([[ 0, 1, 2, 3, 4, 5, 6, 7],[ 8, 9, 10, 11, 12, 13, 14, 15]])'''arr.reshape(4,-1) #將arr變成4行的格式，列數自動計算的(c=4, d=16/4=4)'''out:array([[ 0, 1, 2, 3],[ 4, 5, 6, 7],[ 8, 9, 10, 11],[12, 13, 14, 15]])'''arr.reshape(8,-1) #將arr變成8行的格式，列數自動計算的(c=8, d=16/8=2)'''out:array([[ 0, 1],[ 2, 3],[ 4, 5],[ 6, 7],[ 8, 9],[10, 11],[12, 13],[14, 15]])'''arr.reshape(10,-1) #將arr變成10行的格式，列數自動計算的(c=10, d=16/10=1.6 != Int)'''out:ValueError: cannot reshape array of size 16 into shape (10,newaxis)'''

• numpy.arange(a,b,c)??? 從 數字a起, 步長為c, 到b結束，生成array
• numpy.arange(a,b,c).reshape(m,n)? ：將array的維度變為m 行 n列。

np.arange(1,12,2)#間隔2生成數組，范圍在1到12之間# Out: array([ 1, 3, 5, 7, 9, 11])np.arange(1,12,2).reshape(3,2)'''Out:array([[ 1, 3],[ 5, 7],[ 9, 11]])'''

---

reshape(1,-1)轉化成1行：

reshape(2,-1)轉換成兩行：

---

reshape(-1,1)轉換成1列：

?

reshape(-1,2)轉化成兩列

?

??? shape()

 import numpy as npa = np.array([1,2,3,4,5,6,7,8])  #一維數組print(a.shape[0])  #值為8，因為有8個數據print(a.shape[1])  #IndexError: tuple index out of rangea = np.array([[1,2,3,4],[5,6,7,8]])  #二維數組print(a.shape[0])  #值為2，最外層矩陣有2個元素，2個元素還是矩陣。print(a.shape[1])  #值為4，內層矩陣有4個元素。print(a.shape[2])  #IndexError: tuple index out of range

??? ?
??? reshape()

?
??? reshape新生成數組和原數組公用一個內存，不管改變哪個都會互相影響。

?
?