shape与reshape
shape()和reshape()都是数组array中的方法
shape ：英文翻译为 形状
在矩阵中是读取矩阵的行数和列数的信息。
reshape ： 英语翻译为 重塑、改变…的形状
在矩阵中是改变数组arr的矩阵形式。
代码在Python3.6版本或者Pycharm上运行。
1、shape的用法
import numpy as np a = np.array([1,2,3,4,4,3,2,8]) #一维数组 a1 = np.array([[1,2,3,4],[4,3,2,8]]) #二维数组 print(a.shape[0]) #值为8，因为有8个数据 print(a1.shape[0]) #值为2(2行) print(a1.shape[1]) #值为4(4列)
由上代码可以看出：
一维数组的时候：shape是读取数组的数据个数。
二维数组的时候：shape[0]读取的是矩阵的行数，shape[1]读取的是矩阵的列数。
2、reshape的用法
import numpy as np a = np.array([1,2,3,4,4,3,2,8]) #一维数组 print(a.reshape(2,4) ) #输出结果为：[[1 2 3 4] # [4 3 2 8]] print(a.reshape(3,3)) #ValueError: cannot reshape array of size 8 into shape (3,3)
由上列代码可以看出：
reshape(m,n)将原矩阵改变为m行n列的新矩阵，但是新矩阵数据如果超过了原来数据的索引范围就会报错。
# 训练集和测试集数据
X_train = [[6], [8], [10], [14], [18]] y_train = [[7], [9], [13], [17.5], [18]] X_test = [[7], [9], [11], [15]] y_test = [[8], [12], [15], [18]] # 画出横纵坐标以及若干散点图 plt1 = runplt() plt1.scatter(X_train, y_train, s=40) #每个点的size是40 # 给出一些点，并画出线性回归的曲线 xx = np.linspace(0, 26, 100) #0-26之间等间隔生成100个点作为XX的横轴 regressor = LinearRegression() regressor.fit(X_train, y_train) yy = regressor.predict(xx.reshape(xx.shape[0], 1)) #预测100个点的横坐标得到yy #shape[0] 第一维(行)的长度(行数) #shape[1]为列数 #reshape((2,4)) 改成2行4列矩阵 plt.plot(xx, yy, label="linear equation")
-1为未指定，用于无需指定行数或列数情况
