reshape的使用
import numpy as np
#假設z是一個3行4列的矩陣
z = np.array([[1, 2, 3, 4],
[5, 6, 7, 8],
[9, 10, 11, 12]])
reshape(-1,newshape)的了解
如果reshape的值有-1的話,那麼Numpy會根據所給的新的shape的資訊(newshape),自動計算補足shape缺的值
比如這裡的z矩陣,shape=(3,4),一共有12個元素,如果需要構造2列的新矩陣(隻知道新矩陣的列資訊),
newshape=2,也即是z.reshape(-1,2),那麼-1的用處就是根據這個2列這個資訊,計算得出新的矩陣需要多少行,
12除以2=6(不能整除會報錯),那麼新的矩陣就是一個6*2的新矩陣;
再舉一個例子,還是這個z矩陣,如果需要構造2乘3小矩陣的三維新矩陣(隻知道新矩陣的小矩陣的行列資訊),
newshape=2乘3,也即是z.shape(-1,2,3),那麼-1的用處就是根據這個2乘3小矩陣這個資訊,計算得出新的三維矩陣需要多少個2乘3的小矩陣,
12除以(2乘3)=2,那麼新的三維矩陣就是一個2乘2乘3的三維矩陣。(這裡三維矩陣的說法有問題,希望了解就OK)
z_1=z.reshape(-1)#改成一串,沒有行列
print("z.reshape(-1)的結果:")
print(z_1)
print("結果大小:",z_1.shape)
z.reshape(-1)的結果:
[ 1 2 3 4 5 6 7 8 9 10 11 12]
結果大小: (12,)
z_2=z.reshape(-1,1)#不知道幾行,改成1列,這裡意思是最後一次元是1(最内部的[]包含1個元素)
print("z.shape(-1,1)的結果:")
print(z_2)
print("結果大小:",z_2.shape)
z.shape(-1,1)的結果:
[[ 1]
[ 2]
[ 3]
[ 4]
[ 5]
[ 6]
[ 7]
[ 8]
[ 9]
[10]
[11]
[12]]
結果大小: (12, 1)
z_3=z.reshape(-1,2)#不知道幾行,改成2列,這裡意思是最後一次元是2(最内部的[]包含2個元素)
print("z.shape(-1,2)的結果:")
print(z_3)
print("結果大小:",z_3.shape)
z.shape(-1,2)的結果:
[[ 1 2]
[ 3 4]
[ 5 6]
[ 7 8]
[ 9 10]
[11 12]]
結果大小: (6, 2)
z_4=z.reshape(-1,2,3)#不知道有幾個小矩陣,改成二乘三的小矩陣,這裡意思是最後一次元是3(最内部的[]包含3個元素),倒數第二個次元是2
print("z.shape(-1,2,3)的結果:")
print(z_4)
print("結果大小:",z_4.shape)
z.shape(-1,2,3)的結果:
[[[ 1 2 3]
[ 4 5 6]]
[[ 7 8 9]
[10 11 12]]]
結果大小: (2, 2, 3)
z_5=z.reshape(-1,3,4)#不知道幾個小矩陣,改成三乘四的小矩陣
print("z.shape(-1,3,4)的結果:")
print(z_5)
print("結果大小:",z_5.shape)
z.shape(-1,3,4)的結果:
[[[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]]
結果大小: (1, 3, 4)
z_6=z.reshape(-1,2,2,3)
print("z.shape(-1,2,2,3)的結果:")
print(z_6)
print("結果大小:",z_6.shape)
z.shape(-1,2,2,3)的結果:
[[[[ 1 2 3]
[ 4 5 6]]
[[ 7 8 9]
[10 11 12]]]]
結果大小: (1, 2, 2, 3)