浅谈Numpy的shape和reshape

浅谈Numpy的shape和reshape

文章目录

• 浅谈Numpy的shape和reshape
  • shape
  • reshape

shape

原型：numpy.shape(array)

shape 是 array的一个属性，它能获取矩阵的行列的维度

import numpy as np
array1 = np.array([[1,2,3],[4,5,6]])print(array1.shape)array2 = np.array([[2,4],[6,8],[0,12]])print(np.shape(array2))

输出

(2, 3)(3, 2)

reshape

原型：numpy.reshape(array,newshape,order=‘c’)

array：原矩阵

newshape：整数值或整数元组。新的形状应该兼容于原始形状。如果是一个整数值，表示一个一维数组的长度；如果是元组，表示新数组的行和列数，一个元素值可以为-1，此时该元素值表示为指定，此时会从数组的长度和剩余的维度中推断出

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入reshape d数组中。“C”表示使用类似C的索引顺序读取/写入元素，最后一个轴索引变化最快，返回到第一个轴索引变化最慢。'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，最后一个索引变化最慢。请注意，“C”和“F”选项不考虑底层数组的内存布局，只涉及索引的顺序。'A’表示以类似Fortran的索引顺序读取/写入元素，如果a在内存中是Fortran 连续的，否则是C-like顺序。

import numpy as np
array = np.array([[2,4],[6,8],[0,12]])print(array)print(array.reshape((2, 3)))print(array)

输出

[[ 2  4][ 6  8][ 0 12]][[ 2  4  6][ 8  0 12]][[ 2  4][ 6  8][ 0 12]]