商城网站规划,宁波seo怎么做优化公司,中国建设工程造价管理协会,怎么样给公司做网站reshape函数是对narray的数据结构进行维度变换#xff0c;由于变换遵循对象元素个数不变#xff0c;在进行变换时#xff0c;假设一个数据对象narray的总元素个数为N#xff0c;如果我们给出一个维度为#xff08;m#xff0c;-1#xff09;时#xff0c;我们就理解为将… reshape函数是对narray的数据结构进行维度变换由于变换遵循对象元素个数不变在进行变换时假设一个数据对象narray的总元素个数为N如果我们给出一个维度为m-1时我们就理解为将对象变换为一个二维矩阵矩阵的第一维度大小为m第二维度大小为N/m。 简单来说-1是指reshape之后的array的新形状“面积”是与原始形状相同。-1就表示未知的长或者宽。 numpy 允许我们将新的形状参数之一指定为 -1例如(2,-1) 或 (-1,3) 但不是 (-1, -1)。 它只是意味着它是一个未知的维度我们希望 numpy 找出它。 numpy 将通过查看“数组的长度和剩余维度”并确保它满足上述标准来计算这一点。
举个例子
z np.array([[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12]])
z.shape
(3, 4)
array z的“面积”是3*4
现在尝试用 (-1) reshape z的形状。 结果新形状是 (12,) 并且与原始形状 (3,4) 兼容
z.reshape(-1)
array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])
现在尝试用 (-1, 1) 重塑。 列数“宽度”被设定为 作为 1 但行数“高度”是-1也就是未知的 。 所以我们得到结果新形状为 (12, 1).与原始形状(3,4)的“面积”相同12*1 3*4。
z.reshape(-1,1)
array([[ 1],[ 2],[ 3],[ 4],[ 5],[ 6],[ 7],[ 8],[ 9],[10],[11],[12]])
以上与 numpy 建议/错误消息一致对单个功能使用 reshape(-1,1) 即单列 Reshape your data using array.reshape(-1, 1) if your data has a single feature 同理还有 Reshape your data using array.reshape(1, -1) if it contains a single sample 最后如果我们尝试将两个维度都提供为未知即新形状为 (-1,-1)。 它会抛出错误
z.reshape(-1, -1)
ValueError: can only specify one unknown dimension
