Numpy之reshape(1,-1)含义

numpy.reshape

numpy.reshape(a, newshape, order=‘C’)
Gives a new shape to an array without changing its data.
Parameters：
   a：array_like
   newshape：int or tuple of ints
   order：{‘C’, ‘F’, ‘A’}, optional
Returns：
  reshaped_array：ndarray
官网链接：https://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html

reshape(1, -1)

使用reshape函数对数组形状进行更改时应该与原数组的形状兼容。当形状为整数时，表示修改为该数组长度的一维数组；当其中一个维度数值为-1时，表示程序未指定，此时Numpy会根据剩下的维度计算出数组的另外一个shape值。计算方式就是：数组或者矩阵里面所有的元素个数/已知shape值。例：

reshape(m,-1)即行数固定，列数需要计算
reshape(-1, m) 即列数固定，行数需要计算

实例代码

z = np.array([[1, 2, 3, 4],
              [5, 6, 7, 8],
              [9, 10, 11, 12],
              [13, 14, 15, 16]])
print(type(z))
print(z.reshape(1, -1))  # 将数组z调整为1行16列
'''

[[ 1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16]]
'''

a = np.arange(20).reshape(4, 5)
print(a)
'''
[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]]
'''
print(type(a))
print(a.reshape(-1, 4))  # 将数组a调整为5行4列
'''

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]
 [16 17 18 19]]
'''

m = np.mat([1, 2, 3])  # 创建矩阵
print(type(m))
print(m.reshape(3, -1))  # 将矩阵m调整为3行1列
'''

[[1]
 [2]
 [3]]
'''