numpy中resize,numpy.resize

　　Python中的Numpy数组有一个Reshape方法，我们经常使用，但至今没有深入研究。在多维矩阵的情况下，重塑得出什么样的矩阵？所以试着构建一个三维矩阵，分析一下重塑的原理。

　　首先构造一个[5，4，3]的三维矩阵A，具体值如下图所示。

　　然后把它重塑成一个[5，12]的矩阵，看它怎么变化。

　　当没有添加order参数进行整形时，结果如下图所示。

　　可以看到，整形操作切掉了第二维，把4x3的矩阵变成了1x12的矩阵。

　　尝试添加不同的阶参数，发现无论是A还是C和F，结果都和没有参数一样。

　　如果你想把一个[0]作为一个整体而不拆分它，也就是把一个[1]作为一个整体放在一个[0]矩阵的右边，那么这个整体的形状应该是[4，15]的矩阵。试试重塑。

　　从上图可以看出，在没有添加参数的情况下，第三维会被拆分，直到矩阵的宽度被填满，而不是我们想要的整体平移。此时尝试更改不同的参数。

　　使用参数c:

　　使用参数f:

　　可以看出，C是随着维数越往后退变化越快的矩阵。也就是说，从最后一个维度开始，先按行填充到需要的矩阵中。如果你写一个程序，它应该如下

　　转换图：

　　当参数F设定时，维度越高，变化越快。从第一维开始，它将按列优先，并填充所需的矩阵。如果程序写好了，应该如下。

　　转换图：

　　以上大概是reshape的用法，但是不能满足我的要求，所以需要替换其他函数进行处理。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。