我们知道numpy.ndarray.reshape()是用来改变numpy数组的形状的，但是它的参数会有一些特殊的用法，这里我们进一步说明一下。代码如下：

import numpy as npclass Debug: def __init__(self): self.array1 = np.ones(6) def mainProgram(self): print("The value of array1 is: ") print(self.array1) print("The array2 is: ") array2 = self.array1.reshape(2, 3) print(array2)if __name__ == '__main__': main = Debug() main.mainProgram()"""The value of array1 is: [1. 1. 1. 1. 1. 1.]The array2 is: [[1. 1. 1.] [1. 1. 1.]]"""

这里我们看到我们将一个长度为6的一维数组变成了一个尺寸为(2, 3)的二维数组，这里的2代表2行，对应y轴，3代表3列，对应x轴。

然而有时候我们会在reshape中使用到-1这个参数，当使用这个参数时，会将数组重新塑形变得十分简单。代码如下：

class Debug: def __init__(self): self.array1 = np.ones(6) def mainProgram(self): print("The value of array1 is: ") print(self.array1) print("The array2 is: ") array2 = self.array1.reshape(-1, 3) print(array2)if __name__ == '__main__': main = Debug() main.mainProgram()"""The value of array1 is: [1. 1. 1. 1. 1. 1.]The array2 is: [[1. 1. 1.] [1. 1. 1.]]"""

我们可以看到当我们将reshape的第一个参数变为-1时，我们仍旧获得了一个尺寸为(2, 3)的数组，其实在这里，-1代表的意思为6 / 3 =2，其中6是被塑形一维数组的长度，3是我们指定的二维数组一个方向的维度。这样的好处就是当数据量比较大时，我们在二维数组重新塑形时只需要指定一个维度上的尺寸，另一个维度上的尺寸python会自动为我们计算。

到此这篇关于详解numpy.ndarray.reshape()函数的参数问题的文章就介绍到这了,更多相关numpy.ndarray.reshape()函数参数内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！