Python中的 numpy.reshape()

简介

numpy.reshape()是Python中的一个函数，它通常与numpy库一起使用，用于改变数组的形状。该函数返回一个新的数组，具有与原始数组相同的数据，但具有新的维度。

语法

numpy.reshape(arr, newshape, order='C')

参数

• arr：原始数组或待修改形状的数组。
• newshape：新数组的形状，以整数或整数元组形式指定。
• order：可选参数，指定数组的存储方式，默认为'C'（以C语言的行顺序保存数据）。其他可选值为'F'（以Fortran列顺序保存数据）和'A'（以原始数据的顺序保存数据）。

返回值

修改后的新数组，形状与指定的newshape相匹配。

示例

import numpy as np

# 创建一个1维数组
a = np.arange(8)

# 将1维数组转换为2维数组
b = np.reshape(a, (4, 2))
print(b)

输出结果:

[[0 1]
 [2 3]
 [4 5]
 [6 7]]

说明

• np.reshape()函数可以用于改变数组的形状，但只有在新形状与原始形状兼容时才能执行成功。例如，原始数组的元素个数必须等于新形状中所有维度的乘积。
• 当newshape中某个维度指定为-1时，该维度的大小将根据原始数组和其他维度的大小自动计算。

应用场景

numpy.reshape()函数在数据预处理和建模过程中有广泛的应用，特别是在机器学习和深度学习任务中。以下是一些常见的应用场景：

• 将一维数组转换为二维数组，以便进行矩阵计算。
• 改变图像的形状和大小，以适应模型或展示需求。
• 改变数据集的形状，以满足特定算法的输入要求。
• 将多维数组展平为一维数组，以进行特征提取或降维操作。

总结

numpy.reshape()是Python中一个常用的函数，用于改变数组的形状。它可以帮助程序员在处理数据时灵活地调整数组的维度，以适应不同的需求。在处理大规模数据时，使用numpy.reshape()可以提高程序的效率和可读性。

参考资料：

• NumPy Documentation: numpy.reshape