numpy库reshape用法详解

numpy.reshape（重塑）

给数组一个新的形状而不改变其数据

numpy.reshape(a, newshape, order='C')参数：

a：array_like
要重新形成的数组。
newshape：int或tuple的整数
新的形状应该与原始形状兼容。如果是整数，则结果将是该长度的1-D数组。一个形状维度可以是-1。在这种情况下，从数组的长度和其余维度推断该值。
order：{'C'，'F'，'A'}可选
使用此索引顺序读取a的元素，并使用此索引顺序将元素放置到重新形成的数组中。'C'意味着使用C样索引顺序读取/写入元素，最后一个轴索引变化最快，回到第一个轴索引变化最慢。'F'意味着使用Fortran样索引顺序读取/写入元素，第一个索引变化最快，最后一个索引变化最慢。注意，'C'和'F'选项不考虑底层数组的内存布局，而只是参考索引的顺序。'A'意味着在Fortran类索引顺序中读/写元素，如果a 是Fortran 在内存中连续的，否则为C样顺序。

返回：

reshaped_array：ndarray
如果可能，这将是一个新的视图对象; 否则，它将是一个副本。注意，不能保证返回数组的内存布局（C-或Fortran-连续）。

样例（转载）：

1.引入numpy，名称为np

2.接下来创建一个数组a，可以看到这是一个一维的数组

3.使用reshape()方法来更改数组的形状，可以看到看数组d成为了一个二维数组

4.通过reshape生成的新数组和原始数组公用一个内存，也就是说，假如更改一个数组的元素，另一个数组也将发生改变

5.同理还可以得到一个三维数组

6.形状变化的原则是数组元素不能发生改变，比如这样写就是错误的，因为数组元素发生了变化

到此这篇关于numpy库reshape用法详解的文章就介绍到这了,更多相关numpy reshape用法内容请搜索python博客以前的文章或继续浏览下面的相关文章希望大家以后多多支持python博客！