pythonreshape函数三个参数_Python Numpy中reshape函数参数-1的含义
python numpy中reshape函数参数-1的含义,新数组的shape属性应该要与原来数组的一致,即新数组元素数量与原数组元素数量要相等。一个参数为-1时,那么reshape函数会根据另一个参数的维度计算出数组的另外一个shape属性值。
下面来举几个例子来理解一下:
>>> z = np.array([[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12],[13, 14, 15, 16]])
>>> print(z)
[[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]
[13 14 15 16]]
>>> print(z.shape)
(4, 4)
>>> print(z.reshape(-1))
[ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16]
>>> print(z.reshape(-1,1)) #我们不知道z的shape属性是多少,
#但是想让z变成只有一列,行数不知道多少,
#通过`z.reshape(-1,1)`,numpy自动计算出有16行,
#新的数组shape属性为(16, 1),与原来的(4, 4)配套。
[[ 1]
[ 2]
[ 3]
[ 4]
[ 5]
[ 6]
[ 7]
[ 8]
[ 9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]]
>>> print(z.reshape(2,-1))
[[ 1 2 3 4 5 6 7 8]
[ 9 10 11 12 13 14 15 16]]
希望与广大网友互动??
点此进行留言吧!
pythonreshape函数三个参数_Python Numpy中reshape函数参数-1的含义相关推荐
- Numpy中reshape函数、reshape(1,-1)的含义(浅显易懂,源码实例)
本文详细介绍numpy中reshape函数的三种常见相关用法. 一般用法:numpy.arange(n).reshape(a, b); 依次生成n个自然数,并且以a行b列的数组形式显示: In [1] ...
- Numpy中reshape的用法
目录 numpy中reshape函数的三种常见相关用法 reshape(n,-1),将数组转换成 n 行: reshape(-1,n),将数组转换成 n 列: numpy中reshape函数的三种常见 ...
- numpy之reshape函数
numpy中reshape函数 以下为代码展示: >>> import numpy as np >>> >>> a = np.ones([2,3, ...
- 【Numpy】reshape函数
Numpy中reshape函数的三种常见相关用法: reshape(1,-1)转化成1行: reshape(2,-1)转换成两行: reshape(-1,1)转换成1列: reshape(-1,2)转 ...
- python中size的用法.dim_对于numpy中的函数的参数dim的一点理解
对于numpy中的函数的参数dim的一点理解 经常被dim参数搞混.试着总结了一下.记忆瞬间清晰了 以.max(dim)方法为例: >>> import numpy as np &g ...
- numpy中where函数的用法
numpy中where函数的用法 numpy.where(condition,x,y)--若满足condition,输出x,否则输出y. 举例: 例1:一维数组 >>> a = np ...
- python sum函数numpy_解决Numpy中sum函数求和结果维度的问题
使用Numpy(下面简称np)中的sum函数对某一维度求和时,由于该维度会在求和后变成一个数,所以所得结果的这一维度为空. 比如下面的例子: a = np.array([[1,2,3],[4,5,6] ...
- 详解numpy中argsort函数
当你不了解一个函数的时候,你可以采用两种方式:一种输入来了解函数 print(help(np.argsort)) 要么就是 直接 点进函数来看函数的源代码,可能源代码都是英文,不太好理解,没有关系,我 ...
- sum函数python后面很多小数_解决Numpy中sum函数求和结果维度的问题
使用Numpy(下面简称np)中的sum函数对某一维度求和时,由于该维度会在求和后变成一个数,所以所得结果的这一维度为空. 比如下面的例子: a = np.array([[1,2,3],[4,5,6] ...
最新文章
- python常用内置模块-python 常用内置模块使用
- UA MATH567 高维统计专题1 稀疏信号及其恢复6 随机设计矩阵下LASSO的估计误差
- Python中安装模块的方法
- iview表格嵌套Tooltip
- TreeView 控件帮助文件
- 离散信号频谱matlab代码,离散信号MATLAB频谱分析程序
- amd显卡风扇调节_为什么NVIDIA和AMD公版显卡纷纷摒弃涡轮散热器而采用多风扇散热设计?...
- Windows Server 2008 R2之三十八 Hyper-V的授权管理
- 苹果电脑有哪些很优秀的录屏软件呢?
- 徐小凤将现身东方卫视跨年晚会 为63岁庆生
- 桌面虚拟化技术介绍和对比
- CF1654-G. Snowy Mountain(2900) GOOD
- Android学习笔记(十):jsonArray转array
- 想改变Facebook? 先改变扎克伯格!
- 学计算机的一定是好男人,心理学:只要满足3个条件,好男人也会学“坏”
- Python编程中的常见语句
- abp.ajax get,ABP入门系列之Json格式化
- matlab 端点检测 能零比法_端点检测方法
- 之江实验室与Science《科学》联合发布智能计算领域十大科学问题
- DataGridView中某一行的某一列及当前行的选取方法(C#实现)
热门文章
- 聚类 Cluster
- 产品周报第30期|编辑器支持自定义写作模板;MarkDown编辑器接入质量分检测功能;CSDN APP V5.2.0版本发布
- Chrome浏览器ERR_INVALID_SIGNED_EXCHANGE解决方案
- 中兴ZXQ10排队机出现问题了...
- 计算机基础:7、计算机的输入输出设备
- 9 输入输出设备题库
- #{}和${}的区别
- 【Python turtle 画爱心】实战学习
- 鲍思语:未来的汽车市场是年轻人的市场
- 【行业案例】域乎科技:“数”写长三角一体化的加速度——域乎科技链接未来,做数字时代的奠基人(智慧上海2020总第24篇)