简单介绍numpy.reshape(-1,1)的具体使用
导读本文主要介绍了numpy.reshape(-1,1)的具体使用，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧数组新的shape属性应该要与原来的配套，如果等于-1的话，那么Numpy会根据剩下的维度计算出数组的另外一个shape属性值。举个例子：
x = np.array([, , ])指定新数组行为3，列为,2，则：
y = x.reshape(3,2)y
Out:
array([,
,
])
指定新数组列为1，则：
y = x.reshape(-1,1)y
Out:
array([,
,
,
,
,
])
指定新数组列为2，则：
y = x.reshape(-1,2)y
Out:
array([,
,
])
指定新数组行为1，则：
y = x.reshape(1,-1)y
Out: array([])
指定新数组行为2，则：
y = x.reshape(2,-1)y
Out:
array([,
])
numpy中reshape(-1,1)与reshape(1,-1)的作用如果你的数据只有一个特征，可以用reshape(-1,1)改变你的数据形状；或者如果你的数据只包含一个样本，可以使用reshape(1,-1)来改变。
e = np.array() #只包含一个数据f = e.reshape(1,-1) #改变形状，输出f之后发现它已经变成了二维数据
import numpy as npa = np.array([,]) #是两行三列的数据，二维
b = np.array() #是一维数据
c = b.reshape(-1,1) #c已经变成了二维数据，变成了两行一列
d = b.reshape(1,-1) #d变成了一行两列的数据，
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))
可以发现reshape(-1,1)是将一维数据在行上变化，而reshape(1,-1)是将一维数据在列上变化
到此这篇关于numpy.reshape(-1,1)的具体使用的文章就介绍到这了
原文来自：
http://blog.itpub.net/69955379/viewspace-2909658/
页:
[1]