numpy库reshape用法详解
numpy.reshape(重塑)
给数组一个新的形状而不改变其数据
numpy.reshape(a, newshape, order='C')参数:
a:array_like
要重新形成的数组。
newshape:int或tuple的整数
新的形状应该与原始形状兼容。如果是整数,则结果将是该长度的1-D数组。一个形状维度可以是-1。在这种情况下,从数组的长度和其余维度推断该值。
order:{'C','F','A'}可选
使用此索引顺序读取a的元素,并使用此索引顺序将元素放置到重新形成的数组中。'C'意味着使用C样索引顺序读取/写入元素,最后一个轴索引变化最快,回到第一个轴索引变化最慢。'F'意味着使用Fortran样索引顺序读取/写入元素,第一个索引变化最快,最后一个索引变化最慢。注意,'C'和'F'选项不考虑底层数组的内存布局,而只是参考索引的顺序。'A'意味着在Fortran类索引顺序中读/写元素,如果a 是Fortran 在内存中连续的,否则为C样顺序。
返回:
reshaped_array:ndarray
如果可能,这将是一个新的视图对象; 否则,它将是一个副本。注意,不能保证返回数组的内存布局(C-或Fortran-连续)。
样例(转载):
1.引入numpy,名称为np
2.接下来创建一个数组a,可以看到这是一个一维的数组
3.使用reshape()方法来更改数组的形状,可以看到看数组d成为了一个二维数组
4.通过reshape生成的新数组和原始数组公用一个内存,也就是说,假如更改一个数组的元素,另一个数组也将发生改变
5.同理还可以得到一个三维数组
6.形状变化的原则是数组元素不能发生改变,比如这样写就是错误的,因为数组元素发生了变化
到此这篇关于numpy库reshape用法详解的文章就介绍到这了,更多相关numpy reshape用法内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!
相关文章
Pytorch使用MNIST数据集实现基础GAN和DCGAN详解
今天小编就为大家分享一篇Pytorch使用MNIST数据集实现基础GAN和DCGAN详解,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧2020-01-01使用Tensorflow将自己的数据分割成batch训练实例
今天小编就为大家分享一篇使用Tensorflow将自己的数据分割成batch训练实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧2020-01-01Pandas如何对Categorical类型字段数据统计实战案例
这篇文章主要介绍了Pandas如何对Categorical类型字段数据统计实战案例,文章围绕主题展开详细的内容介绍,具有一定的参考价值,需要的小伙伴可以参考一下2022-08-08
最新评论