1、reshape array(数组)
reshape意味着更改数组的形状。
数组的形状是每个维度中的元素数量。
通过重塑(reshape)，我们可以添加或删除维度或更改每个维度中的元素数量。
2、reshape 从 1-D 到 2-D
例如：
将以下具有12个元素的1-D数组转换为2-D数组。 最外面的维度将具有4个数组，每个数组包含3个元素：
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]) newarr = arr.reshape(4, 3) print(newarr)
3、reshape 从 1-D 到 3-D
例如：
将以下具有12个元素的1-D数组转换为3-D数组。 最外面的维度将具有2个数组，其中包含3个数组，每个数组包含2个元素：
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]) newarr = arr.reshape(2, 3, 2) print(newarr)
4、reshape成任何形状
只要reshape所需的元素在两种形状中均相等。
可以将8个元素的一维数组reshape为4个元素的2行二维数组，但不能将其reshape为3个元素的3行二维数组，因为这需要3x3 = 9个元素。
例如：
尝试将具有8个元素的1D数组转换为每个维度中具有3个元素的2D数组（将产生错误）：
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7, 8]) newarr = arr.reshape(3, 3) print(newarr)
5、判断返回 copy 或 view
例如：
判断返回的数组是copy还是view：
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7, 8]) print(arr.reshape(2, 4).base)
上面的示例返回原始数组，因此它是一个view。
6、未知的维度
可以使用一个"unknown"维度。
这意味着您不必在整形方法中为尺寸之一指定确切的数字。
传递-1作为值，NumPy将为您计算该数字。
例如：
将8个元素的1D数组转换为2x2元素的3D数组：
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7, 8]) newarr = arr.reshape(2, 2, -1) print(newarr)
注意：我们不能将-1传递给多个维度。
7、展平数组
展平数组是指将多维数组转换为一维数组。
可以使用reshape(-1)来做到这一点。
例如：
将数组转换为一维数组：
import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6]]) newarr = arr.reshape(-1) print(newarr)
注意：有很多功能可以更改numpy中的数组形状(shape)。flatten，ravel以及重新排列元素rot90，flip，fliplr，flipud等。这些属于numpy的“中级至高级”部分。