Numpy 用负值重塑

Question

我对 numpy 真的很陌生，目前对重塑中的负值感到困惑。

将 numpy 导入为 np

a=np.arange(6)
c=a.reshape(1,3,2)
d=a.reshape(-1,3,2)
e=a.reshape(-1,1,2)
print c
print
print d
print
print e

它返回

[[[0 1]
  [2 3]
  [4 5]]]

[[[0 1]
  [2 3]
  [4 5]]]

[[[0 1]]

 [[2 3]]

 [[4 5]]]

这里的问题是，当比较 c 和 d 时，根本没有区别。然而，在 e 中，每行之间形成了额外的空行。那么，-1 在 reshape 函数中究竟做了什么，为什么它会导致 e 中的每一行之间出现空行？谢谢 ！

Answer 1

当您添加-1到 numpy 中的轴时，它只会将其他所有内容放入该轴中。a也就是说，对于shape 的数组(10, 10)，将应用以下操作：

>>> a.reshape(-1, 10, 10) # a is (1, 10, 10)
>>> a.reshape( 1, 10, 10) # a is also (1, 10, 10)
>>> a.reshape(-1, 5, 5)   # a is (4, 5, 5), since 4 * 5 *  5 = 100
>>> a.reshape(-1, 5, 10)  # a is (2, 5, 10) since 2 * 5 * 10 = 100 

也就是说，在重塑时元素的总数必须相同，因此添加-1到形状中只是让 numpy 为您计算剩余的值，以便轴的乘积仍然与之前的元素数量匹配。

Answer 2

c和的区别e不仅在于额外的空间，还在于每对周围的额外支架，即

[2 3]    vs    [[2 3]]

这是因为 的形状c是[1, 3, 2]，而 的形状e是[3, 1, 2]。的形状d也是[1, 3, 2]，因此c和d相等。

当你在形状中放入 -1 时，numpy 会从其他维度推断它，即将 -1 替换为product of all dimensions of a / product of all specified shapes