numpy reshape

`numpy.reshape()` 是一个函数，用于重新调整 `numpy` 数组的形状，返回一个新的数组，但是不改变原始数组的数据。它的语法如下：

numpy.reshape(arr, newshape, order='C')

其中，`arr` 是要被调整形状的数组；`newshape` 是一个整数或者一组整数，表示新的形状；`order` 是可选参数，表示数组在内存中的存储顺序，可以是 `'C'` 或 `'F'`，默认为 `'C'`。

例如，将一个形状为 `(3,4)` 的数组变为形状为 `(4,3)` 的数组，可以使用以下代码：

import numpy as np

a = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
b = np.reshape(a, (4, 3))
print(b)

输出：

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

相关问题

python numpy reshape

Python中的NumPy库提供了一个reshape()函数，用于改变数组的形状。该函数可以将一个数组转换为指定的形状，例如将一个一维数组转换为二维数组，或将一个二维数组转换为三维数组等。通过reshape()函数，我们可以方便地对数组进行重塑，以满足不同的需求。

numpy reshape函数

在NumPy中，`reshape()`函数是一个用于改变数组形状但保持数据不变的重要工具。它允许你将一维数组转换成多维数组，或者将多维数组转换成不同维度但元素总数相同的数组。基本语法如下：

array.reshape(new_shape)

- `array`: 需要调整形状的原始NumPy数组。
- `new_shape`: 新的形状，可以是整数元组，表示每个维度的大小。

例如，假设我们有如下的数组：

import numpy as np
original_array = np.array([1, 2, 3, 4, 5, 6])
print("Original array:")
print(original_array)

我们可以使用`reshape()`将其转换为不同的形状：

# 将一维数组转为二阶数组
reshaped_2d = original_array.reshape((2, 3))
print("Reshaped to (2, 3):")
print(reshaped_2d)

# 或者转为一维数组，元素数量不变
reshaped_1d = original_array.reshape(-1)
print("Reshaped to one-dimensional:")
print(reshaped_1d)

需要注意的是，如果你尝试重塑的数组的新形状导致元素总数变化，或者新的形状不兼容当前的数据（比如试图将偶数长度的一维数组重塑为奇数长度），`reshape()`将会抛出异常。