reshape()重塑形状 - 《numpy-tips》

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。

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

import numpy as 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

a = np.array([1, 2, 3, 4, 5, 6, 7, 8])
print(a)
[1 2 3 4 5 6 7 8]

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

d = a.reshape((2, 4))
print(d)
[[1 2 3 4]
 [5 6 7 8]]

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

a[1] = 100
print(a)
print(d)
[  1 100   3   4   5   6   7   8]
[[  1 100   3   4]
 [  5   6   7   8]]

5.同理还可以得到一个三维数组

f = a.reshape((2, 2, 2))
print(f)
[[[  1 100]
  [  3   4]]
 [[  5   6]
  [  7   8]]]

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

e = a.reshape((2, 2))

输出：