作者：liuhmmjj
原文地址：https://blog.csdn.net/u014082714/article/details/75946302

NumPy’s main object is the homogeneous multidimensional array. It is a table of elements (usually numbers), all of the same type, indexed by a tuple of positive integers. In NumPy dimensions are called axes. The number of axes is rank

.

For example, the coordinates of a point in 3D space [1, 2, 1] is an array of rank 1, because it has one axis. That axis has a length of 3. In the example pictured below, the array has rank 2 (it is 2-dimensional). The first dimension (axis) has a length of 2, the second dimension has a length of 3.

[[ 1., 0., 0.],
 [ 0., 1., 2.]]

ndarray.ndim

陣列軸的個數，在python的世界中，軸的個數被稱作秩

  

   

    
     
    
    
     
      >> X = np.reshape(np.arange(
      24), (
      2, 
      3, 
      4))
     
    
   

    
     
    
    
      
     
    
   

    
     
    
    
         
      # 也即 
 

      2
       行 
      3
       列的 
      4
       個平面（plane）
     
    
   

    
     
    
    
      
     
    
   

    
     
    
    
     
      >> X
     
    
   

    
     
    
    
     
      array(
      [[[ 0, 1, 2, 3],
     
    
   

    
     
    
    
     
              [ 4,  5,  6,  7],
     
    
   

    
     
    
    
     
              [ 8,  9, 10, 11]],
     
    
   

    
     
    
    
      
     
    
   

    
     
    
    
            
      [[12, 13, 14, 15],
     
    
   

    
     
    
    
     
              [16, 17, 18, 19],
     
    
   

    
     
    
    
     
              [20, 21, 22, 23]]])
     
    
  
  

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13

shape函式是numpy.core.fromnumeric中的函式，它的功能是讀取矩陣的長度，比如shape[0]就是讀取矩陣第一維度的長度。

shape(x)

(2,3,4)

shape(x)[0]

2

或者

x.shape[0]

2

再來分別看每一個平面的構成：

  

   

    
     
    
    
     
      >> 
      X
      [:, :, 
      0
      ]
     
    
   

    
     
    
    
     
      array(
      [[ 0, 4, 8],
     
    
   

    
     
    
    
            
      [12, 16, 20]])
     
    
   

    
     
    
    
      
     
    
   

    
     
    
    
     
      >> 
      X
      [:, :, 
      1
      ]
     
    
   

    
     
    
    
     
      array(
      [[ 1, 5, 9],
     
    
   

    
     
    
    
            
      [13, 17, 21]])
     
    
   

    
     
    
    
      
     
    
   

    
     
    
    
     
      >> 
      X
      [:, :, 
      2
      ]
     
    
   

    
     
    
    
     
      array(
      [[ 2, 6, 10],
     
    
   

    
     
    
    
            
      [14, 18, 22]])
     
    
   

    
     
    
    
      
     
    
   

    
     
    
    
     
      >> 
      X
      [:, :, 
      3
      ]
     
    
   

    
     
    
    
     
      array(
      [[ 3, 7, 11],
     
    
   

    
     
    
    
            
      [15, 19, 23]])
     
    
  
  

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15

也即在對 np.arange(24)(0, 1, 2, 3, ..., 23) 進行重新的排列時，在多維陣列的多個軸的方向上，先分配最後一個軸（對於二維陣列，即先分配行的方向，對於三維陣列即先分配平面的方向）

reshpae，是陣列物件中的方法，用於改變陣列的形狀。

二維陣列

[python]  view plain  copy

1. #!/usr/bin/env python  
2. # coding=utf-8  
3. import numpy as np  
4.   
5. a=np.array([1, 2, 3, 4, 5, 6, 7, 8])  
6. print a  
7. d=a.reshape((2,4))  
8. print d  

三維陣列

[python]  view plain  copy

1. #!/usr/bin/env python  
2. # coding=utf-8  
3. import numpy as np  
4.   
5. a=np.array([1, 2, 3, 4, 5, 6, 7, 8])  
6. print a  
7. f=a.reshape((2, 2, 2))  
8. print f  

形狀變化的原則是陣列元素不能發生改變，比如這樣寫就是錯誤的，因為陣列元素髮生了變化。

[python]  view plain  copy

1. #!/usr/bin/env python  
2. # coding=utf-8  
3. import numpy as np  
4.   
5. a=np.array([1, 2, 3, 4, 5, 6, 7, 8])  
6. print a  
7. print a.dtype  
8. e=a.reshape((2,2))  
9. print e  

注意：通過reshape生成的新陣列和原始陣列公用一個記憶體，也就是說，假如更改一個數組的元素，另一個數組也將發生改變。

[python]  view plain  copy

1. #!/usr/bin/env python  
2. # coding=utf-8  
3. import numpy as np  
4.   
5. a=np.array([1, 2, 3, 4, 5, 6, 7, 8])  
6. print a  
7. e=a.reshape((2, 4))  
8. print e  
9. a[1]=100  
10. print a  
11. print e  

Python中reshape函式引數-1的意思

a=np.arange(0, 60, 10)

>>>a

array([0,10,20,30,40,50])

>>>a.reshape(-1,1)

array([[0],

[10],

[20],

[30],

[40],

[50]])

如果寫成a.reshape(1,1)就會報錯

ValueError:cannot reshape array of size 6 into shape (1,1)

>>> a = np.array([[1,2,3], [4,5,6]])
>>> np.reshape(a, (3,-1))  # the unspecified value is inferred to be 2
array([[1, 2],
       [3, 4],
       [5, 6]])

-1表示我懶得計算該填什麼數字，由python通過 a和其他的值 3推測出來。

# 下面是兩張2*3大小的照片(不知道有幾張照片用-1代替)，如何把所有二維照片給攤平成一維
>>> image = np.array([[[1,2,3], [4,5,6]], [[1,1,1], [1,1,1]]])
>>> image.shape
(2, 2, 3)
>>> image.reshape((-1, 6))
array([[1, 2, 3, 4, 5, 6],
       [1, 1, 1, 1, 1, 1]])