numpy.reshape(-1,1)如何使用

這篇“numpy.reshape(-1,1)如何使用”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內容，內容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“numpy.reshape(-1,1)如何使用”文章吧。

數組新的shape屬性應該要與原來的配套，如果等于-1的話，那么Numpy會根據剩下的維度計算出數組的另外一個shape屬性值。

舉個例子：

x = np.array([[2, 0], [1, 1], [2, 3]])

指定新數組行為3，列為,2，則：

y = x.reshape(3,2)
 
y
Out[43]: 
array([[2, 0],
       [1, 1],
       [2, 3]])

指定新數組列為1，則：

y = x.reshape(-1,1)
 
y
Out[34]: 
array([[2],
       [0],
       [1],
       [1],
       [2],
       [3]])

指定新數組列為2，則：

y = x.reshape(-1,2)
 
y
Out[37]: 
array([[2, 0],
       [1, 1],
       [2, 3]])

指定新數組行為1，則：

y = x.reshape(1,-1)
 
y
Out[39]: array([[2, 0, 1, 1, 2, 3]])

指定新數組行為2，則：

y = x.reshape(2,-1)
 
y
Out[41]: 
array([[2, 0, 1],
       [1, 2, 3]])

numpy中reshape(-1,1)與reshape(1,-1)的作用

如果你的數據只有一個特征，可以用reshape(-1,1)改變你的數據形狀；或者如果你的數據只包含一個樣本，可以使用reshape(1,-1)來改變。

e = np.array([1]) #只包含一個數據
f = e.reshape(1,-1) #改變形狀，輸出f之后發現它已經變成了二維數據

import numpy as np
a = np.array([[1,2,3],[4,5,6]]) #是兩行三列的數據，二維
b = np.array([1,2])    #是一維數據
c = b.reshape(-1,1)    #c已經變成了二維數據，變成了兩行一列
d = b.reshape(1,-1)    #d變成了一行兩列的數據，
print('b.shape is {0}'.format(b.shape))
print(b)
print('c.shape is {0}'.format(c.shape))
print(c)
print('d.shape is {0},d array is {1}'.format(d.shape,d))

可以發現reshape(-1,1)是將一維數據在行上變化，而reshape(1,-1)是將一維數據在列上變化

以上就是關于“numpy.reshape(-1,1)如何使用”這篇文章的內容，相信大家都有了一定的了解，希望小編分享的內容對大家有幫助，若想了解更多相關的知識內容，請關注億速云行業資訊頻道。