reshape：在不更改数据的情况下为数组赋予新的形状。

用法简介

reshape 可以理解为先按照一定的索引顺序处理原先数组的元素，然后使用相同的索引顺序将数组中的元素插入到新数组中。

我们先看一下它的参数介绍：

共传入三个参数：

• a：输入一个需要被改变形状的数组。
• newshape：改变形状后的新数组，要与原数组兼容。兼容的意义是指，转变前后元素个数要相同。原先是一个 2 * 3 数组的话，如果输入的是一个整数，它只能是6，这样它会输出一个 1 * 6 的数组；如果是整数组，则二者元素个数相同，例如生成 3 * 2 的数组。
• order：读取与放置元素的顺序，有三种可选：
  • C 表示最后一个维度改变的最快，而最开始的维度改变的最慢。对于二维数组来说，表示先将第一行的每一列元素处理后，才开始处理第二行，因此表示行优先。
  • F 刚好相反，表示列优先。C 和 F 不考虑数组的内存布局，仅考虑索引顺序。
  • A 表示遵从a 数组的索引顺序。

因此，若要将数组a转换为 6*1 的数组b，写法为b = numpy.reshape(a, (6, 1), order='C')，也可直接写为b = a.reshape((6, 1), order='C')

用法实战

先简单体验一下：

import numpy as np

>>> a = np.zeros((2, 3), dtype=np.int)
>>> a
[[0 0 0]
 [0 0 0]]
 
>>> b = a.reshape(6)
>>> b
[0 0 0 0 0 0]

>>> b = a.reshape(5)
>>> b
ValueError: cannot reshape array of size 6 into shape (5,)

>>> b = a.reshape((3, 2))
>>> b
[[0 0]
 [0 0]
 [0 0]]

再尝试一下 order 的用法：

>>> a = np.array([[1, 2, 3], [4, 5, 6]])
>>> a
[[1 2 3]
 [4 5 6]]

>>> b = a.reshape((3, 2), order='C')
>>> b
[[1 2]
 [3 4]
 [5 6]]
# 我们发现是按照行读，按照行放

>>> b = a.reshape((3, 2), order='F')
>>> b
[[1 5]
 [4 3]
 [2 6]]
# 我们发现是按照列读，按照列放

最后看看常见的 -1，Numpy会根据剩下的维度计算出数组的另外一个shape属性值。reshape(-1, n)可以将未知行数的数组转换成n列，reshape(n, -1)可以将未知列数的数组转换成n行。

>>> a = np.array([[1, 2, 3], [4, 5, 6]])
>>> a
[[1 2 3]
 [4 5 6]]

>>> b = a.reshape(-1)
>>> b
[1 2 3 4 5 6]

>>> b = a.reshape(-1, 1)
>>> b
[[1]
 [2]
 [3]
 [4]
 [5]
 [6]]

>>> b = a.reshape(-1, 2)
>>> b
[[1 2]
 [3 4]
 [5 6]]
 
>>> b = a.reshape(1, -1)
>>> b
[[1 2 3 4 5 6]]

>>> b = a.reshape(2, -1)
>>> b
[[1 2 3]
 [4 5 6]]

参考文章

numpy中reshape方法详解