python中的numpy陣列有乙個reshape方法，我們時常使用，但是目前為止沒有對他進行深入的研究。在多維矩陣的情況下，reshape出來的，到底是什麼樣子的矩陣？所以嘗試構造乙個3維矩陣，剖析一下reshape的原理。
首先構造乙個【5,4,3】的三維矩陣a，具體數值如下圖所示
然後將其reshape成【5,12】的矩陣，看到底是如何變化的
在reshape中未加order引數時，結果如下圖所示
可以看出reshape操作是將第二維進行了切割，把4x3的矩陣變成了1x12的矩陣
嘗試加入不同order引數，發現不管是a還是c和f，結果都如沒加引數是一樣的。
如果想把a作為乙個整體，不對它進行拆分，也就是將a整體放在a矩陣的右側，那麼整體的shape應該為【4,15】的矩陣，嘗試reshape看看
如上圖，可以看出，未加任何引數時，會對第三維進行拆分，直至填滿矩陣的寬度，而不是我們想要的整體平移。此時嘗試更換不同的引數
引數為c時：
引數為f時：
可以看出，c是維度越靠後，變化越快，換句話說，就是從最後一維開始，按行優先填充為需要的矩陣。如果寫出程式的話，應該是下面這樣
變換示意圖：
引數為f時，維度越靠前，變化越快，從第一維開始，按列優先，填充為需要的矩陣，如果寫出程式的話，應該是下面這樣
變換示意圖：
上面大概就是reshape的用法，然而並不能滿足我的要求，所以還需要更換別的函式進行處理。
numpy中shape和reshape的用法
1 shape 在python中匯入numpy庫之後，我們可以通過矩陣的屬性shape獲取矩陣的維度。如圖所示 import numpy as np b np.array 1,2,3,4 5,6,7,8 print b print b.shape 輸出行數和列數 print b.shape 0 輸出...
numpy庫reshape用法詳解
numpy.reshape 重塑 給陣列乙個新的形狀而不改變其資料 numpy.reshape a,newshape,order c 引數 a array like 要重新形成的陣列。newshape int或tuple的整數 新的形狀應該與原始形狀相容。如果是整數，則結果將是該長度的1 d陣列。乙...
numpy之reshape注意事項
看一下這個陣列 66，65，9 乙個元素帶了9個變數，溫度 濕度 風速等等，常見的地理資料集 需要帶入模型裡計算，但是模型只認2d,需要重新reshape一下。然後就發現一些小細節，畢竟菜雞tat 看一下reshape的介紹 這裡有個order引數 order c 是行優先讀取 預設 order f...