數(shù)組新得shape屬性應(yīng)該要與原來得配套，如果等于-1得話，那么Numpy會根據(jù)剩下得維度計算出數(shù)組得另外一個shape屬性值。

舉個例子：

x = np.array([[2, 0], [1, 1], [2, 3]])

指定新數(shù)組行為3，列為,2，則：

y = x.reshape(3,2) yOut[43]: array([[2, 0],       [1, 1],       [2, 3]])

指定新數(shù)組列為1，則：

y = x.reshape(-1,1) yOut[34]: array([[2],       [0],       [1],       [1],       [2],       [3]])

指定新數(shù)組列為2，則：

y = x.reshape(-1,2) yOut[37]: array([[2, 0],       [1, 1],       [2, 3]])

指定新數(shù)組行為1，則：

y = x.reshape(1,-1) yOut[39]: array([[2, 0, 1, 1, 2, 3]])

指定新數(shù)組行為2，則：

y = x.reshape(2,-1) yOut[41]: array([[2, 0, 1],       [1, 2, 3]])

numpy中reshape(-1,1)與reshape(1,-1)得作用

如果你得數(shù)據(jù)只有一個特征，可以用reshape(-1,1)改變你得數(shù)據(jù)形狀；或者如果你得數(shù)據(jù)只包含一個樣本，可以使用reshape(1,-1)來改變。

e = np.array([1]) #只包含一個數(shù)據(jù)f = e.reshape(1,-1) #改變形狀，輸出f之后發(fā)現(xiàn)它已經(jīng)變成了二維數(shù)據(jù)

import numpy as npa = np.array([[1,2,3],[4,5,6]]) #是兩行三列得數(shù)據(jù)，二維b = np.array([1,2])    #是一維數(shù)據(jù)c = b.reshape(-1,1)    #c已經(jīng)變成了二維數(shù)據(jù)，變成了兩行一列d = b.reshape(1,-1)    #d變成了一行兩列得數(shù)據(jù)，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))

可以發(fā)現(xiàn)reshape(-1,1)是將一維數(shù)據(jù)在行上變化，而reshape(1,-1)是將一維數(shù)據(jù)在列上變化

到此這篇關(guān)于numpy.reshape(-1,1)得具體使用得內(nèi)容就介紹到這了,更多相關(guān)numpy.reshape(-1,1)內(nèi)容請搜索之家以前得內(nèi)容或繼續(xù)瀏覽下面得相關(guān)內(nèi)容希望大家以后多多支持之家！