numpy.reshape的使用说明

梦里梦外; 2022-12-06 04:09 233阅读 0赞

技术想要了解更多，还是得看源码。

# 参数解释 #

numpy.reshape(a, newshape, order=‘C’) [\[source\]][source]  
以下为源码source的内容  
源码中已经解释了很多通俗易懂的例子，只不过阅读起来有点费劲（英文）。后面我会给出相应的中文理解说明  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2l0Z3Vhbmd6aGk_size_16_color_FFFFFF_t_70_pic_center]

## 参数列表 ##

1.  a  
    需要处理的数组数据，当使用numpy.reshap()的这种方式时，需要传入这个参数，当直接使用ndarray.reshap()时，无需传入这个参数。
2.  newshap  
    与其说是新的形状，不如说是新的矩阵维度信息格式。可以传入**整数**或**整数数组**。新的信息格式要与原来的数组内容数量兼容。
    
     *  当传入为整数时：数值应该与原数组的元素数量一致。生成新的一维数组，列数为整数个。
     *  当传入为整数数组时：整数数组的所有整数数字的**乘积**为原数组的元素个数。有一种特殊情况：（-1,10）当数组中有一个数字为-1，那么会将剩余的值将不再遵从我们定义的，而是会从数组的长度和剩余维度推断出来的。【这块我也有点懵，后面可以看例子】
3.  order  
    这个参数算是一种转换时的读写规则，搞不懂为什么用order这个词来描述这个功能。order共有三种参数内容**C**、**F**、**A**，默认为C。（以下解释画删除线的为原文百度翻译的结果）
    
     *  **order=“C”** 意味着使用类似C的索引顺序读/写元素，最后一个轴的索引变化最快，回到第一个轴索引更改最慢。
     *  **order=“F”** 表示使用类似Fortran的索引顺序读/写元素，第一个索引变化最快，最后一个索引更改最慢。注意，“C”和“F”选项不考虑底层数组的内存布局，只引用索引的顺序。
     *  **order=“A”** 表示如果A在内存中是Fortran连续的，则按类似Fortran的索引顺序读/写元素，否则是C顺序。

注：FORTRAN和C是两个语言，他们存储数组的方式不同，FORTRSAN为列有限，而C为行优先。在python中默认数组生成的时候是按照C的方式进行存储。但，很多时候我们需要调用Fortran的一些库进行数学计算，所以需要让numpy生成的数组变成按照FORTRAN的方式存储，使用numpy.asfortranarray方法，本博客同时给出了它的官方链接。

## 理解含义 ##

## 骚操作 ##

# 事例说明 #

## 数据准备 ##

生成一个二维的数组，数据范围0到10，

这里选用的3行4列。这个数据规模是20以内可以被整除最多且元素数量最少的。可以方便变换形状去查看结果。

import numpy as np
    from numpy import random as nr
    r=nr.randint(0,10,size=(3,4))

数据结果大概是这样的![数据结果][20200912000817854.png_pic_center]

## 使用reshap ##

有两种方式可以进行变换

*  r.reshap(12)
 *  np.reshap(r,12)

个人更倾向于第一种，可以凭个人喜好去书写规则

#### 区分order的不同情况 ####

r1=r.reshape((4,3),order='C')

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2l0Z3Vhbmd6aGk_size_16_color_FFFFFF_t_70_pic_center 1]

r2=r.reshape((4,3),order='F')

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2l0Z3Vhbmd6aGk_size_16_color_FFFFFF_t_70_pic_center 2]

r3=r.reshape((4,3),order='A')

这里可以看出`order="C"`和`order="A"` 得出的结果是一样的  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2l0Z3Vhbmd6aGk_size_16_color_FFFFFF_t_70_pic_center 1]  
修改一下r的存储方式，使用类Fortan的格式来进行存储。

r = np.asfortranarray(r)
    r1 = r.reshape((4,3),order='C')
    r2 = r.reshape((4,3),order='F')
    r3 = r.reshape((4,3),order='A')

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2l0Z3Vhbmd6aGk_size_16_color_FFFFFF_t_70_pic_center 3]

#### 使用整数数组带-1的情况 ####

r4 = r.reshape((-1,3))
    r5 = r.reshape((-1,2))
    r6 = r.reshape((-1,1))

print(r4)
    array([[8, 7, 1],
           [2, 6, 3],
           [9, 0, 3],
           [2, 4, 2]])
    print(r5)
    array([[8, 7],
           [1, 2],
           [6, 3],
           [9, 0],
           [3, 2],
           [4, 2]])
    print(r6)
    array([[8],
           [7],
           [1],
           [2],
           [6],
           [3],
           [9],
           [0],
           [3],
           [2],
           [4],
           [2]])

###### 原本以为挺简单的一个东西，查查资料，发现还挺多好玩的。慢慢整理 ######

[source]: https://numpy.org/doc/stable/reference/generated/numpy.reshape.html#numpy-reshape
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2l0Z3Vhbmd6aGk_size_16_color_FFFFFF_t_70_pic_center]: /images/20221123/c99b3f20a14043f8a5387ff6a64706c1.png
[20200912000817854.png_pic_center]: /images/20221123/54a15b2ee0394bc3a97079df408443d1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2l0Z3Vhbmd6aGk_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221123/215ac0375c064b68b56f10d3df348bce.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2l0Z3Vhbmd6aGk_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20221123/8eed1c96489f49af9de3c0496aa8efd7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2l0Z3Vhbmd6aGk_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20221123/df480430a5c8454ebaa218d44cebca4d.png