numpy.reshape
numpy.reshape(a, newshape, order='C')
Функция reshape() изменяет форму массива без изменения его данных.
Данная функция аналогична методу базового класса ndarray.reshape(), который, в общем-то удобней, так как позволяет задавать форму числами, а не кортежем чисел. Однако, если вам необходимо передавать форму в виде кортежа, то придется использовать numpy.reshape().
-
- а - подобный массиву объект
- Массив, форму которого необходимо изменить.
- newshape - целое число или кортеж целых чисел
- Определяет форму выходного массива. Указанный параметр должен быть совместим с формой исходного массива. Целое число сжимает исходный массив до одной оси. Одно из измерений может быть равно -1, что приводит к автоматическому вычислению длинны оси.
- order - 'C' или 'F' (необязательный)
- Этот параметр определяет в каком порядке массивы должны храниться в памяти: строчном C-стиле или столбчатом стиле Fortran; флаг 'A' установит макет памяти выходного массива в 'F' если массив
aявляется смежным со столбчатым стилем Fortran, в противном случае макет памяти будет установлен в 'C'. По умолчанию флаг установлен в значение 'С'.
-
- ndarray - массив NumPy
- Массив с исходными данными, но новой формой. Возвращаемый массив, если это возможно, является представлением исходного массива, в противном случае, происходит полное копирование данных.
Замечание
Нет гарантии, того что макет массива в памяти будет сохранен, т.е. стиль 'C' может измениться на 'F' и наоборот. Дело в том, что по умолчанию параметр order установлен в значение C т.е. чтение данных исходного массива выполняется "построчно" (индекс первой оси меняется медленнее чем последней). Если исходный массив организован в памяти в стиле Fortran, при котором чтение данных массива выполняется "по столбцам" (индекс первой оси меняется быстрее чем последней), а order = 'С', то данные которые должны быть прочитаны "по столбцам" будут считаны "построчно", что приведет к транспонированию (транспозиционированию) элементов исходного массива.
>>> a = np.array([[1, 1, 1, 1], [2, 2, 2, 2], [3, 3, 3, 3]], order = 'C')
>>> a
array([[1, 1, 1, 1],
[2, 2, 2, 2],
[3, 3, 3, 3]])
>>>
>>> np.reshape(a, (4, 3)) # чтение по строкам
array([[1, 1, 1],
[1, 2, 2],
[2, 2, 3],
[3, 3, 3]])
>>>
>>> np.reshape(a, (4, 3), order = 'F') # чтение по столбцам
array([[1, 2, 3],
[2, 3, 1],
[3, 1, 2],
[1, 2, 3]])
>>>
>>>
>>> a = np.array([[1, 1, 1, 1], [2, 2, 2, 2], [3, 3, 3, 3]], order = 'F')
>>> a
array([[1, 1, 1, 1],
[2, 2, 2, 2],
[3, 3, 3, 3]])
>>>
>>> np.reshape(a, (4, 3), order = 'F')
array([[1, 2, 3],
[2, 3, 1],
[3, 1, 2],
[1, 2, 3]])
>>>
>>> np.reshape(a, (4, 3), order = 'C')
array([[1, 1, 1],
[1, 2, 2],
[2, 2, 3],
[3, 3, 3]])Флаг 'A' автоматически установит порядок чтения исходя из того в каком порядке массив хранится в памяти. Если это Fortran-смежный массив, то чтение данных будет "по столбцам", если C-смежный, то чтение будет построчным.
ndarray.reshape()
Базовый класс ndarray обладает полностью аналогичным методом, который отличается от reshape тем, что позволяет передавать новые размеры в виде отдельных аргументов, а не кортежа:
>>> a = np.array([[1, 1, 1, 1], [2, 2, 2, 2], [3, 3, 3, 3]])
>>>
>>> np.reshape(a, (2, 6))
array([[1, 1, 1, 1, 2, 2],
[2, 2, 3, 3, 3, 3]])
>>>
>>> a.reshape(2, 6)
array([[1, 1, 1, 1, 2, 2],
[2, 2, 3, 3, 3, 3]])
>>>
>>> a.reshape(2, 6, order = 'F')
array([[1, 3, 2, 1, 3, 2],
[2, 1, 3, 2, 1, 3]])Примеры
>>> import numpy as np
>>>
>>> a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
>>>
>>> np.reshape(a, (3, 3))
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
>>>
>>> b = np.reshape(a, (3, 3))
>>>
>>> b # 'b' это представление массива 'a'
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
>>>
>>> a[0] = 99 # Изменения в 'a'
>>> a
array([99, 2, 3, 4, 5, 6, 7, 8, 9])
>>>
>>> b # повлекут изменения в 'b'
array([[99, 2, 3],
[ 4, 5, 6],
[ 7, 8, 9]])
>>>
>>>
>>> a = np.ones((4, 4))
>>> a
array([[ 1., 1., 1., 1.],
[ 1., 1., 1., 1.],
[ 1., 1., 1., 1.],
[ 1., 1., 1., 1.]])
>>>
>>> b = np.reshape(a, (2, -1))
>>> b # Длинна второй оси вычислена автоматически
array([[ 1., 1., 1., 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1., 1., 1., 1.]])
