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，或者改变每个维度中的元素数量。
从一维数组到二维数组的重塑
示例
将以下包含 12 个元素的一维数组转换为二维数组。
最外层维度将有 4 个数组，每个数组包含 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)
尝试一下 »
从一维数组到三维数组的重塑
示例
将以下包含 12 个元素的一维数组转换为三维数组。
最外层维度将有 2 个数组，每个数组包含 3 个数组，每个数组包含 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)
尝试一下 »
我们可以重塑成任何形状吗？
是的，只要重塑所需的元素数量在两种形状中都相等即可。
我们可以将一个包含 8 个元素的一维数组重塑成 2 行 4 列的二维数组，但我们不能将其重塑成 3 行 3 列的二维数组，因为那样需要 3x3 = 9 个元素。
示例
尝试将包含 8 个元素的一维数组转换为每个维度包含 3 个元素的二维数组（将引发错误）
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8])
newarr = arr.reshape(3, 3)
print(newarr)
尝试一下 »
返回复制还是视图？
示例
检查返回的数组是复制还是视图
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8])
print(arr.reshape(2, 4).base)
尝试一下 »
上面的示例返回了原始数组，因此它是一个视图。
未知维度
你可以有一个“未知”维度。
这意味着你不需要在 reshape 方法中为其中一个维度指定确切的数字。
将 -1 作为值传递，NumPy 将为你计算这个数字。
示例
将包含 8 个元素的一维数组转换为包含 2x2 个元素的三维数组
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8])
newarr = arr.reshape(2, 2, -1)
print(newarr)
尝试一下 »
**注意：**我们不能将 -1 传递给超过一个维度。
扁平化数组
扁平化数组意味着将多维数组转换为一维数组。
我们可以使用 reshape(-1) 来执行此操作。
示例
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)
尝试一下 »
**注意：**在 numpy 中有很多用于改变数组形状的函数，例如 flatten，ravel，以及用于重新排列元素的函数，例如 rot90，flip，fliplr，flipud 等。这些属于 numpy 的中级到高级部分。
