我以为我理解了 Numpy 中的 reshape 函数,直到我摆弄它并遇到了这个例子:
a = np.arange(16).reshape((4,4))
返回:
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15]])
这对我来说很有意义,但是当我这样做时:
a.reshape((2,8), order = 'F')
它返回:
array([[0, 8, 1, 9, 2, 10, 3, 11],
[4, 12, 5, 13, 6, 14, 7, 15]])
我希望它能回来:
array([[0, 4, 8, 12, 1, 5, 9, 13],
[2, 6, 10, 14, 3, 7, 11, 15]])
有人可以解释一下这里发生了什么吗?
a
的元素按顺序“F”
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15]])
是 [0,4,8,12,1,5,9 ...]
现在将它们重新排列成 (2,8) 数组。
我认为
reshape
文档讨论了整理元素,然后重塑它们。显然是先完成了拆解。
用
a.ravel(order='F').reshape(2,8)
进行实验。
哎呀,我得到了你所期望的:
In [208]: a = np.arange(16).reshape(4,4)
In [209]: a
Out[209]:
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15]])
In [210]: a.ravel(order='F')
Out[210]: array([ 0, 4, 8, 12, 1, 5, 9, 13, 2, 6, 10, 14, 3, 7, 11, 15])
In [211]: _.reshape(2,8)
Out[211]:
array([[ 0, 4, 8, 12, 1, 5, 9, 13],
[ 2, 6, 10, 14, 3, 7, 11, 15]])
好的,我必须在重塑过程中保持“F”顺序
In [214]: a.ravel(order='F').reshape(2,8, order='F')
Out[214]:
array([[ 0, 8, 1, 9, 2, 10, 3, 11],
[ 4, 12, 5, 13, 6, 14, 7, 15]])
In [215]: a.ravel(order='F').reshape(2,8).flags
Out[215]:
C_CONTIGUOUS : True
F_CONTIGUOUS : False
...
In [216]: a.ravel(order='F').reshape(2,8, order='F').flags
Out[216]:
C_CONTIGUOUS : False
F_CONTIGUOUS : True
来自
np.reshape
文档
您可以将重塑视为首先对数组进行整理(使用给定的 索引顺序),然后将数组中的元素插入到 新数组使用与用于相同类型的索引排序 胡言乱语。
order
的注释相当长,因此主题令人困惑也就不足为奇了。