Numpy中shape、reshape函數(shù)的區(qū)別是什么

本篇內(nèi)容介紹了“Numpy中shape、reshape函數(shù)的區(qū)別是什么”的有關(guān)知識(shí)，在實(shí)際案例的操作過程中，不少人都會(huì)遇到這樣的困境，接下來(lái)就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！

 1 shape()函數(shù) 

讀取矩陣的長(zhǎng)度，比如shape[0]就是讀取矩陣第一維度的長(zhǎng)度,相當(dāng)于行數(shù)。它的輸入?yún)?shù)可以是一個(gè)整數(shù)表示維度，也可以是一個(gè)矩陣。shape函數(shù)返回的是一個(gè)元組tuple，表示數(shù)組（矩陣）的維度/ 形狀，例子如下：

• w.shape[0]返回的是w的行數(shù)

• w.shape[1]返回的是w的列數(shù)

• df.shape()：查看行數(shù)和列數(shù)

1. 數(shù)組（矩陣）只有一個(gè)維度時(shí)，shape只有shape[0]，返回的是該一維數(shù)組（矩陣）中元素的個(gè)數(shù)，通俗點(diǎn)說就是返回列數(shù)，因?yàn)橐痪S數(shù)組只有一行，一維情況中array創(chuàng)建的可以看做list（或一維數(shù)組），創(chuàng)建時(shí)用（）和[ ]都可以，多維就使用[ ]

>>> a=np.array([1,2])
>>> a
array([1, 2])
>>> a.shape
(2L,)
>>> a.shape[0]
2L
>>> a.shape[1]
IndexError: tuple index out of range   #最后報(bào)錯(cuò)是因?yàn)橐痪S數(shù)組只有一個(gè)維度，可以用a.shape或a.shape[0]來(lái)訪問
 
#這個(gè)使用的是兩個(gè)（）包裹，得到的數(shù)組和前面的一樣
>>> a=np.array((1,2))
>>> a
array([1, 2])

2.數(shù)組有兩個(gè)維度（即行和列）時(shí)，a.shape返回的元組表示該數(shù)組的行數(shù)與列數(shù)

 #注意二維數(shù)組要用（）和[]一起包裹起來(lái)，鍵入print a 會(huì)得到一個(gè)用2個(gè)[]包裹的數(shù)組（矩陣）
>>> b=np.array([[1,2,3],[4,5,6]])
>>> b
array([[1, 2, 3],
       [4, 5, 6]])
>>> b.shape
(2L, 3L)

總結(jié):使用np.array（）創(chuàng)建數(shù)組時(shí)，

一維的可以直接np.array（[1,2,3]）或者np.array((1,2,3))

二維的要使用np.array（[[1,2,3],[1,2,3]]),用一個(gè)（）和一個(gè)[]把要輸入的list包裹起來(lái)

三維的要使用np.array（[[[1,2,3],[1,2,3]]]）,用一個(gè)（）和兩個(gè)[]把要輸入的list包裹起來(lái)

>>> a=np.array([[[1,2],[3,4]]])
>>> a
array([[[1, 2],
        [3, 4]]])
>>> a.shape
(1L, 2L, 2L)

返回的元組表示3個(gè)維度各包含的元素的個(gè)數(shù)。所謂元素，在一維時(shí)就是元素的個(gè)數(shù)，二維時(shí)表示行數(shù)和列數(shù)，三維時(shí)a.shape【0】表示創(chuàng)建的塊數(shù)，a.shape【1】和a.shape【2】表示每一塊（每一塊都是二維的）的行數(shù)和列數(shù)。

>>> a=np.ones([2,2,3])#創(chuàng)建兩個(gè)2行3列的數(shù)組（矩陣）
>>> a
array([[[ 1.,  1.,  1.],
        [ 1.,  1.,  1.]],
 
       [[ 1.,  1.,  1.],
        [ 1.,  1.,  1.]]])

2 reshape()函數(shù)

 改變數(shù)組的形狀，并且原始數(shù)據(jù)不發(fā)生變化。但是，reshape()函數(shù)中的參數(shù)需要滿足乘積等于數(shù)組中數(shù)據(jù)總數(shù).

如：當(dāng)我們將8個(gè)數(shù)使用(2,3)重新排列時(shí)，python會(huì)報(bào)錯(cuò)

import numpy as np
 
a=np.array([1,2,3,4])
b=np.array([[1,2,3,4],[4,5,6,7],[7,8,9,1]])
print("a:\n",a)
print("b:\n",b)
print(b.dtype)
 
a_r=a.reshape((2,2))  
print("a_r:\n",a_r)
d=a.reshape((-1,1))
print("d:\n",d)
e=a.reshape((1,-1))
print("e:\n",e)
#結(jié)果如下
a:
 [1 2 3 4]
c:
 [[1 2 3 4]
 [4 5 6 7]
 [7 8 9 1]]
int32
 
a_r:
 [[1 2]
 [3 4]]
d:
 [[1]
 [2]
 [3]
 [4]]
e:
 [[1 2 3 4]]

而且，reshape()函數(shù)得出的數(shù)組與原數(shù)組使用的是同一個(gè)存儲(chǔ)空間，改變一個(gè)，另一個(gè)也隨之改變。

【注意】shape和reshape()函數(shù)都是對(duì)于數(shù)組(array)進(jìn)行操作的，對(duì)于list結(jié)構(gòu)是不可以的

“Numpy中shape、reshape函數(shù)的區(qū)別是什么”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)可以關(guān)注億速云網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實(shí)用文章！