Python中的numpy.reshape

在进行数据处理和机器学习方面的任务时，常常需要操作多维数组，numpy便是做这些任务的核心库。在numpy中，reshape方法可以用来改变数组的形状，这样可以方便地将数列转化为矩阵或多维数组，或将矩阵或多维数组换为不同的形状。

语法

方法numpy.reshape(a, newshape, order='C')有以下参数：

• a：要改变形状的数组。
• newshape：数组的新形状。可以是整数tuple或整数列表。
• order：元素的读取顺序，可以是'C'（按C语言风格的行优先顺序，即行后列）或'F'（按Fortran风格的列优先顺序，即列后行）。默认是'C'。

示例

下面的代码演示了reshape的用法：

import numpy as np

# 一维数组reshape
a = np.array([1, 2, 3, 4, 5, 6])
b = a.reshape(2, 3)
print(b)
# [[1 2 3]
#  [4 5 6]]

# 二维数组reshape
c = np.arange(8).reshape(2, 4)
d = c.reshape(4, 2)
print(c)
# [[0 1 2 3]
#  [4 5 6 7]]

print(d)
# [[0 1]
#  [2 3]
#  [4 5]
#  [6 7]]

总结

numpy.reshape方法可以用来改变numpy数组的形状，可以用于更改数据的组织形式。我们可以通过指定新的形状来重新组织数组元素，用reshape函数可以更高效地进行数据处理，进行不同任务时可以使用C风格或Fortran风格来更改数组元素的存储顺序。