主要用到shape, reshape函数

我们先搞清np.ndarrayd数组的特点

import numpy as np ex = np.arange(0,12,1) ex # 括号里的0可以省略，也可以换成其他起始数，1是步长。运行上述代码，我们 # 发现ex只是一个序列并没有维数（形状）上的特征 >>> array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]) # 接下来我们用reshape来更改数组的形状 ex1 = np.arange(12).reshape(1,12) # 1是行数，2是列数 ex2 = np.arange(12).reshape((1,12)) # 形状以数组形式传入 ex3 = np.arange(12).reshape(1,-1) # -1代表依据前面已经给定的行数来确定列数 ex1 >>> array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]]) # ex1,ex2,ex3 出来的数组相同，如上所示，跟ex区别的地方在于多了一个 # 中括号，所以ex1有了形状，像是1*12的矩阵。当然要真正变成矩阵还需要 # np.mat()函数 #

接下来我们将上面ex改成的一个3*4的数组

ex4 = ex.reshape(3, 4) # or ex4=ex.reshape(3,-1) ex4

array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]])

如果我们要获取一个数组的形状，用shape函数即可

ex4.shape

(3L, 4L)

输出的是一个tuple，里面的元素是格式为long的数字，个人认为跟int，float没什么区别，感兴趣的可以去百度。

另一种更改数组形状的方法

ex.shape = 3,4 # or ex.shape=(3,4)