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。