本文主要是介绍np.reshape()函数的参数问题，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
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。
如果大家觉得有用，请高抬贵手给一个赞让我上推荐让更多的人看到吧~
这篇关于np.reshape()函数的参数问题的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
