np.reshape函數的詳解

一、函數基本介紹

np.reshape函數是numpy庫中的一個重要的函數，用於改變數組的形狀，將一個數組變換為指定的大小。作用類似於resize，但會返回一個新的數組，而不是改變原數組的形狀。

該函數有三個參數，分別是要變換的數組、目標形狀以及一個可選參數。目標形狀可以是一個整數、元組或列表，用於指定數組轉換後的大小。可選參數為order，表示數組在內存中的存儲方式，默認為’C’，即按行排列。

    import numpy as np
    
    # 創建一個3x3的矩陣
    a = np.arange(9).reshape(3, 3)
    
    # 將其變換為一維數組
    b = a.reshape(9)
    
    # 輸出變換後的結果
    print(b)

運行結果如下：

    [0 1 2 3 4 5 6 7 8]

二、改變數組的形狀

np.reshape函數可以靈活地改變數組的形狀，從而滿足不同的需求。下面介紹幾種典型的情況。

1、將一維數組變為矩陣

當我們有一個一維數組，需要將其變為矩陣時，可以使用reshape函數指定目標形狀。因為矩陣的大小要滿足行數和列數的乘積等於元素數量，所以目標形狀需要滿足這個條件。

    import numpy as np
    
    # 創建一個一維數組
    a = np.arange(9)
    
    # 將其變為3x3的矩陣
    b = a.reshape(3, 3)
    
    # 輸出變換後的結果
    print(b)

運行結果如下：

    [[0 1 2]
     [3 4 5]
     [6 7 8]]

2、改變矩陣的行列

當我們需要改變一個矩陣的行列時，可以使用reshape函數指定目標形狀，其中行數和列數可以交換。

    import numpy as np
    
    # 創建一個3x4的矩陣
    a = np.arange(12).reshape(3, 4)
    
    # 將其變為4x3的矩陣
    b = a.reshape(4, 3)
    
    # 輸出變換後的結果
    print(b)

運行結果如下：

    [[ 0  1  2]
     [ 3  4  5]
     [ 6  7  8]
     [ 9 10 11]]

3、扁平化數組

當我們需要將一個多維數組變為一維數組時，可以使用reshape函數指定目標形狀為-1。這樣reshape函數會自動計算目標形狀中的一個維度，使得改變後的數組為一維數組。

    import numpy as np
    
    # 創建一個2x3x4的三維數組
    a = np.arange(24).reshape(2, 3, 4)
    
    # 將其變為一維數組
    b = a.reshape(-1)
    
    # 輸出變換後的結果
    print(b)

運行結果如下：

    [ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]

三、指定存儲方式

np.reshape函數默認按行排列數組元素，也就是按照內存中的存儲方式。但是在一些應用場合下，我們需要按照列排列數組元素，或者按照其他方式排列。此時，可以使用可選參數order指定數組在內存中的存儲方式。

1、按列排列數組元素

當我們需要按列排列數組元素時，可以使用order參數指定為’F’。

    import numpy as np
    
    # 創建一個3x3的矩陣
    a = np.arange(9).reshape(3, 3)
    
    # 按列排列數組元素
    b = a.reshape(9, order='F')
    
    # 輸出變換後的結果
    print(b)

運行結果如下：

    [0 3 6 1 4 7 2 5 8]

2、按指定方式排列數組元素

當我們需要按照其他方式排列數組元素時，可以使用order參數指定為’default’、’C’或其他值。其中，’default’和’C’都表示按行排列數組元素。

    import numpy as np
    
    # 創建一個3x3的矩陣
    a = np.arange(9).reshape(3, 3)
    
    # 按指定方式排列數組元素
    b = a.reshape(9, order='default')
    
    # 輸出變換後的結果
    print(b)

運行結果如下：

    [0 1 2 3 4 5 6 7 8]

四、應用舉例

np.reshape函數在很多數據處理的場合都可以派上用場。下面介紹幾種常見的應用場景。

1、圖像處理

在圖像處理中，需要將原始圖像轉換為一維向量進行處理，然後再將處理結果轉換為圖像進行顯示。這時，就可以使用reshape函數實現轉換。

    import cv2
    import numpy as np
    
    # 讀取一張圖像
    img = cv2.imread('test.jpg')
    
    # 將圖像變為一維向量
    vec = img.reshape(-1)
    
    # 對向量進行處理
    vec /= 2
    
    # 將處理結果轉換為圖像
    img2 = vec.reshape(img.shape)
    
    # 顯示圖像
    cv2.imshow('img2', img2)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

2、機器學習

在機器學習中，需要將原始數據轉換為二維數組進行處理，然後再將處理結果轉換為原始格式進行輸出。這時，就可以使用reshape函數實現轉換。

    import numpy as np
    
    # 讀取原始數據
    data = np.loadtxt('data.txt')
    
    # 將數據變為2維數組
    X = data[:, :-1]
    y = data[:, -1]
    
    # 對數據進行處理
    ...
    
    # 將處理結果轉換為原始格式
    data2 = np.concatenate((X, y.reshape(-1, 1)), axis=1)
    
    # 輸出處理結果
    np.savetxt('data2.txt', data2, fmt='%.2f')

五、總結

通過本文的介紹，我們了解了np.reshape函數的基本用法和常見應用場景。該函數可以靈活地改變數組的形狀，以適應不同的需求。同時，我們還學習了如何指定數組在內存中的存儲方式，以及如何將數組與圖像和機器學習數據進行轉換。