numpy.reshape#

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

在不改变数据的情况下为数组赋予新的形状。

参数:
aarray_like

要重塑形状的数组。

shapeint 或 int 元组

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一维数组。 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的数组中。 ‘C’ 表示使用 C 风格的索引顺序读取/写入元素，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 风格的索引顺序读取/写入元素，第一个索引变化最快，最后一个索引变化最慢。 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 Fortran 风格的索引顺序读取/写入元素，否则以 C 风格的顺序读取/写入元素。

newshapeint 或 int 元组

自 2.1 版本弃用：已由 shape 参数替换。 保留以实现向后兼容性。

copybool, 可选

如果为 True，则复制数组数据。 如果为 None，则仅在 order 需要时才会进行复制。 对于 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，不保证返回数组的 内存布局（C 或 Fortran 连续）。

另请参阅

ndarray.reshape

等效方法。

备注

并非总是在不复制数据的情况下更改数组的形状。

order 关键字给出了从 a 中 获取 值，然后将值 放置 到输出数组中的索引顺序。 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]])

你可以将重塑视为首先展开数组（使用给定的索引顺序），然后使用与展开相同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

>>> 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]])
在本页中