Python的reshape的用法：reshape(1,-1)

目录

numpy中reshape函数的三种常见相关用法

reshape(1,-1)转化成1行：

reshape(2,-1)转换成两行：

reshape(-1,1)转换成1列：

reshape(-1,2)转化成两列

---

---

numpy中reshape函数的三种常见相关用法

• numpy.arange(n).reshape(a, b)    依次生成n个自然数，并且以a行b列的数组形式显示

1.  
   np.arange(16).reshape(2,8) #生成16个自然数，以2行8列的形式显示
2.  
   # Out:
3.  
   # array([[ 0, 1, 2, 3, 4, 5, 6, 7],
4.  
   # [ 8, 9, 10, 11, 12, 13, 14, 15]])

• mat (or array).reshape(c, -1)     必须是矩阵格式或者数组格式，才能使用 .reshape(c, -1) 函数， 表示将此矩阵或者数组重组，以 c行d列的形式表示

1.  
   reshape(m,-1) #改变维度为m行、1列
2.  
   reshape(-1,m) #改变维度为1行、m列

-1的作用就在此: 自动计算d：d=数组或者矩阵里面所有的元素个数/c, d必须是整数，不然报错）

（reshape(-1, m)即列数固定，行数需要计算）

1.  
   arr=np.arange(16).reshape(2,8)
2.  
   arr
3.  
   '''
4.  
   out:
5.  
   array([[ 0, 1, 2, 3, 4, 5, 6, 7],
6.  
   [ 8, 9, 10, 11, 12, 13, 14, 15]])
7.  
   '''
8.  
    
9.  
   arr.reshape(4,-1) #将arr变成4行的格式，列数自动计算的(c=4, d=16/4=4)
10.  
    '''
11.  
    out:
12.  
    array([[ 0, 1, 2, 3],
13.  
    [ 4, 5, 6, 7],
14.  
    [ 8, 9, 10, 11],
15.  
    [12, 13, 14, 15]])
16.  
    '''
17.  
    arr.reshape(8,-1) #将arr变成8行的格式，列数自动计算的(c=8, d=16/8=2)
18.  
    '''
19.  
    out:
20.  
    array([[ 0, 1],
21.  
    [ 2, 3],
22.  
    [ 4, 5],
23.  
    [ 6, 7],
24.  
    [ 8, 9],
25.  
    [10, 11],
26.  
    [12, 13],
27.  
    [14, 15]])
28.  
    '''
29.  
    arr.reshape(10,-1) #将arr变成10行的格式，列数自动计算的(c=10, d=16/10=1.6 != Int)
30.  
    '''
31.  
    out:
32.  
    ValueError: cannot reshape array of size 16 into shape (10,newaxis)
33.  
    '''

• numpy.arange(a,b,c)    从 数字a起, 步长为c, 到b结束，生成array
• numpy.arange(a,b,c).reshape(m,n)  ：将array的维度变为m 行 n列。

1.  
   np.arange(1,12,2)#间隔2生成数组，范围在1到12之间
2.  
   # Out: array([ 1, 3, 5, 7, 9, 11])
3.  
    
4.  
   np.arange(1,12,2).reshape(3,2)
5.  
   '''
6.  
   Out:
7.  
   array([[ 1, 3],
8.  
   [ 5, 7],
9.  
   [ 9, 11]])
10.  
    '''

---

reshape(1,-1)转化成1行：

reshape(2,-1)转换成两行：

---

reshape(-1,1)转换成1列：

 

reshape(-1,2)转化成两列

 

  本文参考了 Python的reshape(-1,1)    、Numpy中reshape函数、reshape(1,-1)的含义(浅显易懂，源码实例)

详内容可以参看reshape的官方文档：

链接：https://blog.csdn.net/qq_29831163/article/details/90112000