您的位置:

np.reshape方法详解

一、基本介绍

np.reshape()方法是NumPy中的一个关键操作,用于重塑数组的尺寸。通过该方法可以改变数组的形状,维度数量和元素数量不一定会改变。

通常情况下,np.reshape()方法仅仅是改变了数组的尺寸而已。但是,如果新的形状尺寸不同于原来的尺寸,那么该方法将创建一个新的数组,元素数量与原来的数量相同。

np.reshape()方法通常使用非常广泛,比如将一维数组转化为多维数组,在机器学习中可以将数据重塑为模型能够接受的形状。

二、使用方法

np.reshape()方法一般可以使用以下两种方式:

1.调用方法

import numpy as np

# 创建一维数组
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])

# 将一维数组转化为三行三列的二维数组
new_arr = arr.reshape(3, 3)
print(new_arr)

输出结果:

[[1 2 3]
 [4 5 6]
 [7 8 9]]

使用该方式时,需要将原数组的形状尺寸以元组的形式传递给reshape()方法。这里为了将原来的一维数组转化为三行三列的二维数组,需要传递(3,3)作为形状尺寸。

2.使用数组属性

import numpy as np

# 创建一维数组
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])

# 将一维数组转化为三行三列的二维数组
arr.shape = (3, 3)

print(arr)

输出结果:

[[1 2 3]
 [4 5 6]
 [7 8 9]]

使用该方式时,只需要使用数组对象的shape属性来直接改变其形状尺寸。这里需要将数组的形状尺寸直接设置为(3,3)。

三、常见应用场景

1.将一维数组转化为多维数组

在NumPy中,保存数据时通常会使用一维数组。如果需要将数据转化为多维数组,则可以使用np.reshape()方法。

import numpy as np

# 创建一维数组
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])

# 将一维数组转化为三行三列的二维数组
new_arr = arr.reshape(3, 3)

print(new_arr)

输出结果:

[[1 2 3]
 [4 5 6]
 [7 8 9]]

2.改变数组的尺寸

np.reshape()方法还可以用于改变数组的尺寸,并保证元素数量不变。

import numpy as np

# 创建一个二维数组
arr = np.array([[1, 2], [3, 4], [5, 6]])

# 将数据存储顺序改变为行优先
arr = arr.reshape(6, order='C')

print(arr)

输出结果:

[1 2 3 4 5 6]

这里将原来的二维数组改变为了一维数组,但其元素数量不变,因此可以成功重塑数组的尺寸。

3.快捷设置数组的形状尺寸

对于numpy数组,可以通过直接设置shape属性来改变数组的形状尺寸,实现快捷设置。

import numpy as np

# 创建一个三行四列的二维数组
arr = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])

# 将数组重塑成两行六列的二维数组
arr.shape = (2, 6)

print(arr)

输出结果:

[[ 1  2  3  4  5  6]
 [ 7  8  9 10 11 12]]

四、总结

np.reshape()方法是NumPy中非常重要的一个方法,用于重新调整数组的形状,适配不同的应用场景。使用该方法,可以实现一维数组向多维数组的转换,也可以通过直接设置shape属性实现数组形状的快捷设置,对数组的处理起到了重要的作用。