numpy.reshape

numpy.reshape(a, /, shape=None, order='C', *, newshape=None, copy=None)

在不更改数据的情况下为数组赋予新的形状.

参数:

aarray_like

要重塑的数组.

shapeint 或 ints 元组

新形状应与原始形状兼容.如果是一个整数,那么结果将是一个具有该长度的一维数组.一个形状维度可以是 -1.在这种情况下,该值是从数组的长度和剩余维度推断出来的.

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重塑后的数组中."C"表示使用类似 C 的索引顺序读取/写入元素,其中最后一个轴索引变化最快,第一个轴索引变化最慢."F"表示使用类似 Fortran 的索引顺序读取/写入元素,其中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,仅指索引的顺序."A"表示如果 a 在内存中是 Fortran 连续的,则以类似 Fortran 的索引顺序读取/写入元素,否则以类似 C 的顺序读取/写入元素.

newshapeint 或 ints 元组

自 2.1 版本弃用: 已替换为 shape 参数.保留以实现向后兼容性.

copybool,可选

如果 True ,则复制数组数据.如果为 None ,则仅当 order 要求时才进行复制.如果为 False ,如果无法避免复制,则会引发 ValueError .默认值: None .

返回:

reshaped_arrayndarray

如果可能,这将是一个新的视图对象;否则,它将是一个副本. 请注意,不能保证返回数组的内存布局(C-或Fortran-连续).

参见

ndarray.reshape

等效方法.

注释

不复制数据,就并非总是可以更改数组的形状.

order 关键字给出了从 a 中获取值,然后将值放入输出数组的索引顺序. 例如,假设你有一个数组:

>>> a = np.arange(6).reshape((3, 2))
>>> a
array([[0, 1],
       [2, 3],
       [4, 5]])

你可以认为重塑首先是展开数组(使用给定的索引顺序),然后使用与展开时使用的相同类型的索引顺序,将展开数组中的元素插入到新数组中.

>>> np.reshape(a, (2, 3)) # C-like index ordering
array([[0, 1, 2],
       [3, 4, 5]])
>>> np.reshape(np.ravel(a), (2, 3)) # equivalent to C ravel then C reshape
array([[0, 1, 2],
       [3, 4, 5]])
>>> np.reshape(a, (2, 3), order='F') # Fortran-like index ordering
array([[0, 4, 3],
       [2, 1, 5]])
>>> np.reshape(np.ravel(a, order='F'), (2, 3), order='F')
array([[0, 4, 3],
       [2, 1, 5]])

示例

Try it in your browser!

>>> import numpy as np
>>> a = np.array([[1,2,3], [4,5,6]])
>>> np.reshape(a, 6)
array([1, 2, 3, 4, 5, 6])
>>> np.reshape(a, 6, order='F')
array([1, 4, 2, 5, 3, 6])

>>> np.reshape(a, (3,-1))       # the unspecified value is inferred to be 2
array([[1, 2],
       [3, 4],
       [5, 6]])

Go BackOpen In Tab