NumPy Reshape 函数：数据科学家必备的数组操作 – wiki词典

作者： /

NumPy Reshape 函数：数据科学家必备的数组操作

在数据科学和机器学习的领域中，NumPy 库是不可或缺的基石。它提供了强大的多维数组对象（ndarray）以及用于操作这些数组的各种函数。在众多功能中，reshape 函数因其在数据预处理、模型输入准备和结果解析中的核心作用而脱颖而出。本文将深入探讨 NumPy 的 reshape 函数，揭示其强大功能和实用技巧。

什么是 reshape？

reshape 函数允许你改变 NumPy 数组的形状（即维度），同时保持其数据不变。这意味着数组元素的总数必须在新旧形状之间保持一致。它返回一个新视图（如果可能的话）或一个新副本，其中数据按照指定的新形状进行排列。

基本语法：

python
numpy.reshape(a, newshape, order='C')

  • a: 要重塑的数组。
  • newshape: 一个整数元组，定义了数组的新维度。例如，(2, 3) 表示一个 2 行 3 列的数组，(4,) 表示一个包含 4 个元素的一维数组。
  • order: 可选参数，指定读取和写入元素时的顺序。
    • 'C' (默认): C 语言风格，按行优先（row-major）顺序操作。
    • 'F' : Fortran 语言风格，按列优先（column-major）顺序操作。
    • 'A' : Fortran 优先，除非 a 是 C 连续的，否则按 C 优先。
    • 'K' : 按照 a 中元素出现的顺序。

reshape 的基本用法

让我们通过几个例子来理解 reshape 的工作原理：

1. 将一维数组重塑为二维数组

“`python
import numpy as np

arr_1d = np.array([1, 2, 3, 4, 5, 6])
print(“原始一维数组:”, arr_1d)
print(“原始形状:”, arr_1d.shape)

重塑为 2 行 3 列

arr_2d_1 = arr_1d.reshape((2, 3))
print(“\n重塑为 (2, 3):”)
print(arr_2d_1)
print(“新形状:”, arr_2d_1.shape)

重塑为 3 行 2 列

arr_2d_2 = arr_1d.reshape((3, 2))
print(“\n重塑为 (3, 2):”)
print(arr_2d_2)
print(“新形状:”, arr_2d_2.shape)
“`

输出：

“`
原始一维数组: [1 2 3 4 5 6]
原始形状: (6,)

重塑为 (2, 3):
[[1 2 3]
[4 5 6]]
新形状: (2, 3)

重塑为 (3, 2):
[[1 2]
[3 4]
[5 6]]
新形状: (3, 2)
“`

可以看到，元素 1, 2, 3 构成了第一行，4, 5, 6 构成了第二行（C 顺序）。

2. 改变二维数组的形状

你也可以将一个二维数组重塑为另一个二维数组，只要元素总数匹配。

“`python
arr_2d = np.array([[1, 2, 3, 4],
[5, 6, 7, 8]])
print(“原始二维数组:\n”, arr_2d)
print(“原始形状:”, arr_2d.shape) # (2, 4)

重塑为 4 行 2 列

arr_2d_reshaped = arr_2d.reshape((4, 2))
print(“\n重塑为 (4, 2):\n”, arr_2d_reshaped)
print(“新形状:”, arr_2d_reshaped.shape)
“`

输出：

“`
原始二维数组:
[[1 2 3 4]
[5 6 7 8]]
原始形状: (2, 4)

重塑为 (4, 2):
[[1 2]
[3 4]
[5 6]
[7 8]]
新形状: (4, 2)
“`

神奇的 -1：自动推断维度

reshape 函数最强大的特性之一是使用 -1 作为维度大小。当你在 newshape 中使用 -1 时，NumPy 会根据数组元素的总数和剩余维度的大小自动推断出 -1 所代表的维度。这在你不确定某个维度具体大小，但知道其他维度时非常方便。

“`python
arr = np.arange(12) # [0 1 2 3 4 5 6 7 8 9 10 11]

重塑为 3 行，自动推断列数

arr_3_cols = arr.reshape((3, -1))
print(“\n重塑为 (3, -1):\n”, arr_3_cols) # (3, 4)
print(“新形状:”, arr_3_cols.shape)

重塑为 4 列，自动推断行数

arr_4_rows = arr.reshape((-1, 4))
print(“\n重塑为 (-1, 4):\n”, arr_4_rows) # (3, 4)
print(“新形状:”, arr_4_rows.shape)

重塑为三维数组，自动推断中间维度

arr_3d = arr.reshape((2, -1, 3))
print(“\n重塑为 (2, -1, 3):\n”, arr_3d) # (2, 2, 3)
print(“新形状:”, arr_3d.shape)
“`

输出：

“`
重塑为 (3, -1):
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
新形状: (3, 4)

重塑为 (-1, 4):
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
新形状: (3, 4)

重塑为 (2, -1, 3):
[[[ 0 1 2]
[ 3 4 5]]

[[ 6 7 8]
[ 9 10 11]]]
新形状: (2, 2, 3)
“`

order 参数：C 语言风格 vs Fortran 语言风格

order 参数决定了多维数组在内存中如何被读写，这在重塑时会影响元素的排列方式。

  • order='C' (C-major / row-major): 这是默认行为。元素按照行优先的顺序进行索引。在重塑时，NumPy 会按行填充新数组。

    “`python
    arr = np.arange(6) # [0 1 2 3 4 5]
    reshaped_c = arr.reshape((2, 3), order=’C’)
    print(“C-order:\n”, reshaped_c)

    [[0 1 2]

    [3 4 5]]

    “`

  • order='F' (Fortran-major / column-major): 元素按照列优先的顺序进行索引。在重塑时，NumPy 会按列填充新数组。

    “`python
    arr = np.arange(6) # [0 1 2 3 4 5]
    reshaped_f = arr.reshape((2, 3), order=’F’)
    print(“F-order:\n”, reshaped_f)

    [[0 3 4]

    [1 2 5]]

    “`

当处理与 C 或 Fortran 编写的外部库交互时，order 参数尤其重要。对于大多数 Python 用户和数据科学应用，C-order 是默认且更直观的选择。

reshape 的常见应用场景

reshape 函数在数据科学工作流程中扮演着关键角色：

  1. 为机器学习模型准备数据：

    • 扁平化 (Flattening): 许多机器学习模型（特别是全连接神经网络）要求输入是一维特征向量。你可以使用 reshape((-1,)) 或 flatten() 方法将多维数组展平为一维数组。
      python
      img_features = np.random.rand(64, 64, 3) # 图像特征 (H, W, C)
      flattened_features = img_features.reshape((-1,))
      print("扁平化后的形状:", flattened_features.shape) # (12288,)
    • 添加/移除维度: 某些模型可能需要特定维度的输入。例如，一个图像分类模型可能期望输入是 (batch_size, height, width, channels)。如果你只有一个图像，你可能需要添加一个批次维度：
      python
      single_image = np.random.rand(28, 28) # 单个灰度图像
      # 模型的输入形状可能需要 (1, 28, 28, 1)
      model_input = single_image.reshape((1, 28, 28, 1))
      print("模型输入形状:", model_input.shape)
      或者使用 np.newaxis (或 None):
      python
      model_input_alt = single_image[np.newaxis, :, :, np.newaxis]
      print("模型输入形状 (alt):", model_input_alt.shape) # 更灵活

  2. 图像处理：

    • 将灰度图像从一维像素列表重塑为二维矩阵。
    • 将 RGB 图像从一维或二维像素列表重塑为三维矩阵 (高度, 宽度, 通道)。

  3. 时间序列数据：

    • 将单变量时间序列数据重塑为适合某些循环神经网络 (RNN) 的 (样本数, 时间步长, 特征数) 格式。

  4. 数据可视化：

    • 将扁平化的数据重塑为网格状，以便使用 matplotlib 等库进行可视化。

与 np.resize 的区别 (简要说明)

值得注意的是，NumPy 中还有一个 np.resize() 函数。虽然名称相似，但它们的行为截然不同：

  • np.reshape(): 改变数组的形状，但不改变元素的总数。如果新形状的元素总数与原始数组不同，则会引发错误。它通常返回一个视图，是 O(1) 操作。
  • np.resize(): 改变数组的形状，如果新形状的元素总数比原始数组多，它会用原始数组的重复值填充新元素。如果新形状的元素总数比原始数组少，它会截断数组。它总是返回一个新数组副本。

在绝大多数数据科学应用中，你更可能需要 np.reshape()，因为它安全且高效，只改变数组的视图而不触碰数据本身（除非需要重新排列数据导致创建副本）。

总结

NumPy 的 reshape 函数是数据科学家工具箱中的一把瑞士军刀。它提供了灵活而高效的方式来组织和准备数据，以适应各种计算和分析需求。熟练掌握其用法，特别是 newshape 中的 -1 占位符和 order 参数的概念，将极大地提升你在处理多维数据时的效率和能力。通过合理利用 reshape，你可以更轻松地将原始数据转换为模型友好的格式，并有效地解析模型的输出。

滚动至顶部