NumPy 数组重塑
重塑数组
重塑意味着改变数组的形状。
数组的形状是每个维度中元素的数量。
通过重塑，我们可以添加或删除维度，或更改每个维度中的元素数量。
从一维重塑为二维
实例
将以下包含 12 个元素的一维数组转换为二维数组。
最外面的维度将有 4 个数组，每个数组有 3 个元素：
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]) newarr = arr.reshape(4, 3) print(newarr)
从一维重塑为三维
实例
将以下包含 12 个元素的一维数组转换为 3 维数组。
最外面的维度将有 2 个数组，其中包含 3 个数组，每个数组有 2 个元素：
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]) newarr = arr.reshape(2, 3, 2) print(newarr)
我们可以重塑成任何形状吗？
是的，只要两个形状中重塑所需的元素相同即可。
我们可以将 8 个元素的 1D 数组重塑为 4 个元素的 2 行 2D 数组，但我们无法将其重塑为 3 个元素的 3 行 2D 数组，因为这需要 3x3 = 9 个元素。
实例
尝试将具有 8 个元素的 1D 数组转换为每个维度具有 3 个元素的 2D 数组（会引发错误）：
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7, 8]) newarr = arr.reshape(3, 3) print(newarr)
返回副本还是视图？
实例
检查返回的数组是副本还是视图：
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7, 8]) print(arr.reshape(2, 4).base)
上面的示例返回原始数组，因此它是一个视图。
未知维度
你可以有一个“未知”的维度。
这意味着您不必在重塑方法中为其中一个维度指定准确的数字。
将 -1 作为值传递，NumPy 将为您计算此数字。
实例
将具有 8 个元素的 1D 数组转换为具有 2x2 元素的 3D 数组：
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7, 8]) newarr = arr.reshape(2, 2, -1) print(newarr)
注意：我们不能将 -1 传递给多个维度。
展平数组
展平数组意味着将多维数组转换为 1D 数组。
我们可以使用 reshape(-1) 来做到这一点。
实例
将数组转换为一维数组：
import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6]]) newarr = arr.reshape(-1) print(newarr)
注意：NumPy 中有很多用于更改数组形状的函数，如 flatten、ravel，以及用于重新排列元素的 rot90、flip、fliplr、flipud 等。这些属于 numpy 的中级到高级部分。