python shape 和reshape 的使用方法

傷城~ 2022-02-20 11:45 322阅读 0赞

shape 其实就是维度，对于矩阵而言，二维矩阵就有两个维度，三维矩阵就有3个维度，n维矩阵就有n个维度。reshape就是重新改变数组的维度。

我们直接看代码,就什么都明白了。

>>> a=np.array([1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16])
    >>> a
    array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16])
    >>> a.shape
    (16,)                #此类型情况表明 数组是只有一维，而且元素为16个
    >>> print(a.shape[0])
    16
    >>> print(a.shape[1])
    Traceback (most recent call last):
      File "<pyshell#10>", line 1, in <module>
        print(a.shape[1])
    IndexError: tuple index out of range
     >>> a.reshape(-1,1)
    array([[ 1],
           [ 2],
           [ 3],
           [ 4],
           [ 5],
           [ 6],
           [ 7],
           [ 8],
           [ 9],
           [10],
           [11],
           [12],
           [13],
           [14],
           [15],
           [16]])
    >>> a.reshape(2,8)
    array([[ 1,  2,  3,  4,  5,  6,  7,  8],
           [ 9, 10, 11, 12, 13, 14, 15, 16]])
    >>> a.reshape(4,4)
    array([[ 1,  2,  3,  4],
           [ 5,  6,  7,  8],
           [ 9, 10, 11, 12],
           [13, 14, 15, 16]])
    >>> b=a.reshape(2,8)
    >>> b
    array([[ 1,  2,  3,  4,  5,  6,  7,  8],
           [ 9, 10, 11, 12, 13, 14, 15, 16]])
    >>> print(b.shape[0])   #因此shape第一个参数是行
    2
    >>> print(b.shape[1])   #第二个参数是列
    8
    >>> print(b.shape[2])   
    Traceback (most recent call last):
      File "<pyshell#22>", line 1, in <module>
        print(b.shape[2])
    IndexError: tuple index out of range
    b
    array([[ 1,  2,  3,  4,  5,  6,  7,  8],
           [ 9, 10, 11, 12, 13, 14, 15, 16]])
    >>> b.reshape(-1,1)
    array([[ 1],
           [ 2],
           [ 3],
           [ 4],
           [ 5],
           [ 6],
           [ 7],
           [ 8],
           [ 9],
           [10],
           [11],
           [12],
           [13],
           [14],
           [15],
           [16]])
    >>> b.reshape(-1,2)
    array([[ 1,  2],
           [ 3,  4],
           [ 5,  6],
           [ 7,  8],
           [ 9, 10],
           [11, 12],
           [13, 14],
           [15, 16]])

总结

1：shape 和 reshape是改变数组维度的一种方式。通过输出数组的shape\[0\] 或者shape\[1\] 可以查询数组的行数 或者列数。

2： reshape有三种使用方法，

方法1: c.reshape(a,b)   本方法要求c=a\*b

方法2： c.reshape(a,b,d)   生成的矩阵是  本方法要求 a个子矩阵，每个子矩阵包括b行d列  要求：c=a\*b\*d

方法3：c.reshape(-1,a,b)  生成的矩阵为   子矩阵的a行b列

接下来我们进行验证：

>>> b= np.arange(12,24).reshape(2,2,3)
    >>> b
    array([[[12, 13, 14],
            [15, 16, 17]],
    
           [[18, 19, 20],
            [21, 22, 23]]])
    >>> b.shape[0]
    2
    >>> b.shape[1]
    2
    >>> b.shape[2]
    3

import numpy as np
    a=np.array([1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24])
    print(a.shape)
    d=a.reshape(2,3,4) ### 代表包括两个矩阵，3行四列
    print(d)
    e=a.reshape(-1,2,4)    ##
    print("e:",e)
    print("e.shape:",e.shape)
    f=a.reshape(-1,2,6)
    print("f:",f)
    print("f.shape:",f.shape)
    
    g=a.reshape(4,6)
    print("g:",g)
    
    aa=a.reshape(4,6) ### 注意不是子矩阵
    print("aa:",aa)
    bb=a.reshape(-1,4,6)  ##如此则包含子矩阵
    print("bb:",bb)
    if aa.all==bb.all:   ### 因此二者不相等
        print("aaa")

运行结果：

(24,)  
\[\[\[ 1  2  3  4\]  
  \[ 5  6  7  8\]  
  \[ 9 10 11 12\]\]

\[\[13 14 15 16\]  
  \[17 18 19 20\]  
  \[21 22 23 24\]\]\]  
e: \[\[\[ 1  2  3  4\]  
  \[ 5  6  7  8\]\]

\[\[ 9 10 11 12\]  
  \[13 14 15 16\]\]

\[\[17 18 19 20\]  
  \[21 22 23 24\]\]\]  
e.shape: (3, 2, 4)  
f: \[\[\[ 1  2  3  4  5  6\]  
  \[ 7  8  9 10 11 12\]\]

\[\[13 14 15 16 17 18\]  
  \[19 20 21 22 23 24\]\]\]  
f.shape: (2, 2, 6)  
g: \[\[ 1  2  3  4  5  6\]  
 \[ 7  8  9 10 11 12\]  
 \[13 14 15 16 17 18\]  
 \[19 20 21 22 23 24\]\]  
aa: \[\[ 1  2  3  4  5  6\]  
 \[ 7  8  9 10 11 12\]  
 \[13 14 15 16 17 18\]  
 \[19 20 21 22 23 24\]\]  
bb: \[\[\[ 1  2  3  4  5  6\]  
  \[ 7  8  9 10 11 12\]  
  \[13 14 15 16 17 18\]  
  \[19 20 21 22 23 24\]\]\]