python - 了解如何为 numpy 的 reshape() 指定 newshape 参数

我是 python 数据分析的新手，并试图弄清楚如何将多维数组操作到不同的维度。网上的教程或论坛没有说明如何为numpy.reshape(a, newshape, order='C')指定“newshape”的参数

这是我试图理解的一个例子。如果有人可以解释第 4 行，那将非常有帮助。

import numpy as np
a1 = np.arrange(8).reshape( (8,1) )
b = np.repeat(a1,8,axis=1)
c = b.reshape(2,4,2,4)               # line 4

最佳答案

一周前的一个类似问题:How to understand ndarray.reshape function?
np.reshape(a, newshape) 被重铸为 a.reshape(newshape) 。但是 a.reshape 是一个内置的编译方法。所以它如何处理 newshape 的细节是隐藏的(对 Python 程序员来说)。

示例表明 newshape 可以是元组，也可以是单独的数字。但从某种意义上说，即使是单独的数字情况也使用元组。函数的参数作为元组传递。

这可能在索引中最为明显。 a[:,1,3] 由解释器翻译成 a.__getitem__((slice(None),1,3)) 调用。事实上，a[(:,1,3)] 是允许的，ind = (slice(None),1,3); a[ind] 也是如此。

编写自己的函数很容易，使 () 的额外层成为可选的:

In [58]: def foo(*args):
    ...:     if len(args)==1:
    ...:         args = args[0]
    ...:     print(args)
    ...:

In [59]: foo(1,2,3)
(1, 2, 3)

In [60]: foo((1,2,3))
(1, 2, 3)

我需要进一步完善它以将这两种情况相同对待:

In [61]: foo(1)
1
In [62]: foo((1,))
(1,)

如果我将函数定义为 def foo(arg): ，那么如果我想给它几个数字，我就必须使用一个元组。

希望这能说明为什么大多数有经验的 Python 程序员不会被这些差异所困扰。通常，元组只是对值进行分组的一种便捷方式。它可以增加清晰度，但并不总是需要。编码员可以走任何一个方向——掩饰或不掩饰他们的存在，或者大肆渲染。

====================

reshape 方法在 numpy/core/src/multiarray/methods.c(在 github numpy 存储库中)中定义。虽然用 c 编写，但它似乎相当于

 def reshape(self, *args, **kwargs):
     n = len(args)
     if n<=1:
         newshape = <parse args[0] in one way>
     else:
         newshape = <parse args in another way>
     return PyArray_Newshape(self, newshape, order)

无论如何，它正在被解析，所以这些都是一样的:

shape=(2,3)
np.arange(6).reshape(shape)
np.arange(6).reshape(*shape)
np.arange(6).reshape(2,3)
np.arange(6).reshape((2,3))
np.arange(6).reshape((2,)+(3,))

关于python - 了解如何为 numpy 的 reshape() 指定 newshape 参数，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/39069988/