numpy.reshape()

reshape(n, -1)，只需要特定的行数，列数多少我无所谓，-1在这里应该可以理解为一个正整数通配符，它代替任何整数。同理reshape(-1, n)表示只需要特定的列数，行数多少无所谓。

reshape(m, n).T表示 [m, n] 的矩阵转置为 [n, m]。

numpy.transpose()

更改多维数组的轴的顺序，多维数组轴的顺序默认为[0, 1, 2, 3,…]，通过指定索引序列，就可以改变轴的顺序。例如：

>>>A = np.arange(48)
>>>A = A.reshape(2, 4, 6)
>>>print(A.shape)
(2, 4, 6)
>>>B = A.transpose(2, 1, 0)
>>>print(B.shape)
(6, 4, 2)

该函数用于将打乱的维度（维度对应变量含义不一致）重排成所期望的维度变量顺序。如一个四维数组X[C, N, H, W]。N表示数量、C表示通道数，H表示高度，W表示宽度。希望将通道数排到第二个维度，就可以使用该函数X.transpose(1, 0, 2, 3)。

numpy中的axis

在许多对数组的操作中都涉及按轴处理，如axis=0或axis=1。这里一个比较好的理解是axis=0为跨行处理；
axis=1为跨列处理。

例如：

>>>x = np.arange(6)
>>>x = x.reshape(2,3)
>>>print(x)
max = np.max(x, axis=1)
[[0 1 2]
 [3 4 5]]
>>>max
array([2, 5])

可更改(mutable)与不可更改(immutable)对象

在 python 中，strings, tuples, 和 numbers 是不可更改的对象，而 list,dict 等则是可以修改的对象。

• 不可变类型： 变量赋值 a=5 后再赋值 a=10，这里实际是新生成一个 int 值对象 10，再让 a 指向它，而 5 被丢弃，不是改变a的值，相当于新生成了a。

• 可变类型： 变量赋值 la=[1,2,3,4] 后再赋值 la[2]=5 则是将 list la 的第三个元素值更改，本身la没有动，只是其内部的一部分值被修改了。

python 函数的参数传递：

• 不可变类型： 类似 c++ 的值传递，如 整数、字符串、元组。如fun（a），传递的只是a的值，没有影响a对象本身。比如在 fun（a）内部修改 a 的值，只是修改另一个复制的对象，不会影响 a 本身。

• 可变类型： 类似 c++ 的引用传递，如 列表，字典。如 fun（la），则是将 la 真正的传过去，修改后fun外部的la也会受影响

python 中一切都是对象，严格意义我们不能说值传递还是引用传递，我们应该说传不可变对象和传可变对象。

numpy实现图像翻转

plt.imshow(Image) # 原始图像, 第三个维度是RGB通道
Image2 = Image[::-1, :, :]  # 垂直方向翻转
Image3 = Image[:, ::-1, :]  # 水平方向翻转