numpy中reshape函数的三种常见相关用法
reshape(m,n) ，将数组转换成 m 行，n 列
reshape(m,-1)，将数组转换成 m 行
reshape(-1,n)，将数组转换成 n 列
一、reshape(m,n)，将数组转换成m行，n列，语法如下
numpy.arange(j).reshape(m, n)
具体实例如下；
import numpy as np x=np.arange(16) print(x) y=x.reshape(4,4) print(y)
输出结果为：
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15]
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]]
注：m*n=j是必要条件，如果不等就会报错
二、reshape(m,-1)，将数组转换成 m 行，语法如下
numpy.arange(j).reshape(m,-1)
具体实例如下；
import numpy as np x=np.arange(16) print(x) y=x.reshape(4,-1) print(y)
输出结果如下
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]]
注：m必须能被j整除，否则报错
三、reshape(-1,n)，将数组转换成 n 列，语法如下
numpy.arange(j).reshape(-1,n)
具体实例如下；
import numpy as np x=np.arange(16) print(x) y=x.reshape(-1,4) print(y)
输出结果如下
[[ 0 1 2 3 4 5 6 7]
[ 8 9 10 11 12 13 14 15]]
注：n必须能被j整除，否则报错
评论