numpy 辨异 一 —— reshape 与 resize

分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.youkuaiyun.com/jiangjunshow

也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！

                       

0. reshape的参数

reshape的参数严格地说，应该是tuple类型（tuple of ints），似乎不是tuple也成（ints）。

>>> x = np.random.rand(2, 3)>>> x.reshape((3, 2))                                    # 以tuple of intsarray([[ 0.19399632,  0.33569667],       [ 0.36343308,  0.7068406 ],       [ 0.89809989,  0.7316493 ]])>>> x.reshape(3, 2)array([[ 0.19399632,  0.33569667],       [ 0.36343308,  0.7068406 ],       [ 0.89809989,  0.7316493 ]])
  
1
2
3
4
5
6
7
8
9
10
11

1. .reshape 实现维度的提升

(3, ) ≠ (3, 1)：前者表示一维数组（无行和列的概念），后者则表示一个特殊的二维数组，也即是一个列向量；

>> x = np.ones(3)>> xarray([ 1.,  1.,  1.])>> x.reshape(3, 1)array([[ 1.],       [ 1.],       [ 1.]])>> x.reshape(1, 3)array([[ 1.,  1.,  1.]])
  
1
2
3
4
5
6
7
8
9

2. .reshape 与 .resize

• reshape：有返回值，所谓有返回值，即不对原始多维数组进行修改；
• resize：无返回值，所谓有返回值，即会对原始多维数组进行修改；

>> X = np.random.randn(2, 3)>> Xarray([[ 1.23077478, -0.70550605, -0.37017735],       [-0.61543319,  1.1188644 , -1.05797142]])>> X.reshape((3, 2))array([[ 1.23077478, -0.70550605],       [-0.37017735, -0.61543319],       [ 1.1188644 , -1.05797142]])>> Xarray([[ 1.23077478, -0.70550605, -0.37017735],       [-0.61543319,  1.1188644 , -1.05797142]])>> X.resize((3, 2))>> Xarray([[ 1.23077478, -0.70550605],       [-0.37017735, -0.61543319],       [ 1.1188644 , -1.05797142]])
  
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

           

给我老师的人工智能教程打call！http://blog.youkuaiyun.com/jiangjunshow