numpy.reshape#

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

在不改变其数据的情况下，为数组赋予新的形状。

参数:
aarray_like

要重塑的数组。

shapeint 或 int 元组

新形状应与原始形状兼容。如果是一个整数，则结果将是一个该长度的 1-D 数组。一个形状维度可以是 -1。在这种情况下，该值将从数组的长度和剩余维度中推断出来。

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 C 样式的索引顺序读取/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 Fortran 样式的索引顺序读取/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，仅指索引顺序。'A' 表示如果 a 在内存中是 Fortran 连续的，则以 Fortran 样式的索引顺序读取/写入元素，否则以 C 样式顺序读取/写入。

newshapeint 或 int 元组

自版本 2.1 起已弃用：已被 shape 参数取代。为向后兼容而保留。

copybool, 可选

如果为 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 且无法避免复制，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，不保证返回数组的内存布局（C 连续或 Fortran 连续）。

另请参阅

ndarray.reshape

等效方法。

注释

并非总能不复制数据而改变数组的形状。

关键字 order 既指定了从 a 取回值的索引顺序，也指定了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]])

你可以将重塑理解为：首先（使用给定的索引顺序）展平数组，然后使用与展平时相同的索引顺序将展平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

>>> 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]])
本页内容