最简单的方式讲明白numpy.reshape()函数

简介: 最简单的方式讲明白numpy.reshape()函数

reshape() 函数: 这个方法是在不改变数据内容的情况下,改变一个数组的格式,参数如下图:

tt.png

参数说明:


a:输入的数组。


newshape:新格式数组的形状。


order:可选范围为{‘C’, ‘F’, ‘A’}。按照order的顺序读取a的元素,并按照索引顺序将元素放到变换后的的数组中。如果不进行order参数的设置,默认参数为C。


参数C:横着读,横着写,优先读/写一行。


参数F:竖着读,竖着写,优先读/写一列。


参数A:所生成的数组的效果与原数组a的数据存储方式有关,如果数据是按照FORTRAN


存储的话,它的生成效果与”F“相同,否则与“C”相同。


返回值:新生成的数组



举例1:将一维数组reshape成2×8的二维数组。

import numpy as np
a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]
a = np.asarray(a)
b = np.reshape(a, (2, 8))
print(b)
#或者这样写
a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]
a = np.asarray(a)
b = a.reshape((2, 8))
print(b)

两种写法运行一样,运行结果:

[[ 0  1  2  3  4  5  6  7]

[ 8  9 10 11 12 13 14 15]]

例2:将order设置为F。

import numpy as np
a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]
a = np.asarray(a)
b = np.reshape(a, (2, 8), order='f')
print(b)
c=np.reshape(b,(4,4),order='f')
print(c)


目录
相关文章
|
9月前
|
机器学习/深度学习 数据处理 C语言
numpy通用函数:快速的逐元素数组函数
numpy通用函数:快速的逐元素数组函数
numpy通用函数:快速的逐元素数组函数
|
10天前
|
存储 数据处理 C语言
NumPy 通用函数(ufunc):高性能数组运算的利器
NumPy的通用函数(ufunc)提供高性能的逐元素运算,支持向量化操作和广播机制,能应用于数组的数学、逻辑和比较运算。ufunc可提高计算速度,避免低效的循环,并允许自定义函数以满足特定需求。例如,ufunc实现加法比循环更高效。通过`frompyfunc`可创建自定义ufunc。判断函数是否为ufunc,可检查其类型是否为`numpy.ufunc`。ufunc练习包括数组的平方、平方根、元素积及性能对比。
17 0
|
1月前
|
安全 Serverless 数据处理
通用函数(ufuncs)在NumPy中的应用实践
【4月更文挑战第17天】通用函数(ufuncs)是NumPy中非常重要的工具,它们允许对数组中的每个元素执行相同的数学运算,无需编写循环。通过ufuncs,我们可以高效地处理大规模数据集,并利用广播机制在形状不同的数组之间进行运算。掌握ufuncs的应用实践,将极大地提升我们在数值计算和数据处理方面的效率。
|
1月前
|
存储 测试技术 数据库
NumPy 秘籍中文第二版:六、特殊数组和通用函数
NumPy 秘籍中文第二版:六、特殊数组和通用函数
40 0
|
1月前
|
算法 Serverless 测试技术
NumPy 秘籍中文第二版:三、掌握常用函数
NumPy 秘籍中文第二版:三、掌握常用函数
47 0
|
1月前
|
数据处理 Python
NumPy 中级教程——通用函数(ufuncs)
NumPy 中级教程——通用函数(ufuncs)
104 0
|
1月前
|
Python
关于Python的Numpy库reshape()函数的用法
1.介绍 更改数组的形状,不改变原数组 2.语法 a = np.reshape(mat, newshape, order = ‘C’) a : newshape形状的新数组 mat : 原数组
62 0
|
10月前
|
Python
Python map() 函数 和 numpy mean()函数
Python map() 函数 和 numpy mean()函数
103 0
|
12月前
|
Python
【Numpy】flatnonzero函数的用法
【Numpy】flatnonzero函数的用法
60 0
|
机器学习/深度学习 索引 Python
这8个NumPy函数可以解决90%的常见问题
NumPy是一个用于科学计算和数据分析的Python库,也是机器学习的支柱。可以说NumPy奠定了Python在机器学习中的地位。NumPy提供了一个强大的多维数组对象,以及广泛的数学函数,可以对大型数据集进行有效的操作。这里的“大”是指数百万行。
11255 0