Hướng dẫn reshape error python - định hình lại lỗi python

Sử dụng reshape để chuyển mảng nhiều chiều (n-D) thành mảng 1 chiều (1-D).

Nội dung chính

Trong Numpy array, reshapecó nghĩa là thay đổi shape của một mảng array.

Shape của một mảng array là số phần tử trong mỗi chiều.

numpy.reshape (arr, new_shape, order = 'C')

Chúng ta có thể sử dụng thuộc tính reshape trong numpy array để thay đổi, thêm hoặc xóa chiều hoặc thay đổi số phần tử trong mỗi chiều.

Ví dụ

1. importnumpy as np

arr = np.array([1,2,3,4,5,6,7,8])arr_reshape = arr.reshape(2,4)print(arr_reshape)

1. [[1 2 3 4] [5 6 7 8]]

arr = np.array([1,2,3,4,5,6,7,8,9,10,11,12])arr_reshape = arr.reshape(2,2,3)print(arr)print(arr_reshape)

1. [[[ 1  2  3]  [ 4  5  6]]: {‘C’, ‘F’, ‘A’}, tùy chọn

 [[ 7  8  9]  [10 11 12]]]

Để chuyển mảng nhiều chiều thành mảng một chiều sử dụng reshape (-1).

arr = np.array([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]])arr_reshape = arr.reshape(-1)print(arr)print(arr_reshape)

[ 1  2  3  4  5  6  7  8  9 10 11 12]

Hàm numpy.reshape () có sẵn trong gói NumPy. Như tên cho thấy, reshape có nghĩa là ‘những thay đổi về hình dạng’. Hàm numpy.reshape () giúp chúng ta có được một hình dạng mới cho một mảng mà không thay đổi dữ liệu của nó.

Các bài viết liên quan:

Đôi khi, chúng ta cần định hình lại dữ liệu từ rộng sang dài. Vì vậy, trong tình huống này, chúng ta phải định hình lại mảng bằng cách sử dụng hàm reshape ().

Cú pháp

import numpy as np  
x=np.arange(12)  
y=np.reshape(x, (4,3))  
x  
y  

Output::

Tham số:

• Có các tham số sau của hàm reshape ():
• arr: array_like
• Đây là một ndarray. Đây là mảng nguồn mà chúng tôi muốn định hình lại. Tham số này rất cần thiết và đóng một vai trò quan trọng trong hàm numpy.reshape ().
• new_shape: int hoặc nhiều int
• Hình dạng mà chúng ta muốn chuyển đổi mảng ban đầu của chúng ta phải tương thích với mảng ban đầu. Nếu là số nguyên, kết quả sẽ là mảng 1-D có độ dài đó. Một kích thước hình dạng có thể là -1. Ở đây, giá trị được tính gần đúng bởi độ dài của mảng và các kích thước còn lại.

order: {‘C’, ‘F’, ‘A’}, tùy chọn: Tương đương với C ravel thì C reshape

import numpy as np  
x=np.arange(12)  
y=np.reshape(np.ravel(x),(3,4))  
x  
y  

Tham số thứ tự chỉ mục này đóng một vai trò quan trọng trong hàm reshape (). Các thứ tự chỉ mục này được sử dụng để đọc các phần tử của mảng nguồn và đặt các phần tử vào mảng được định hình lại bằng cách sử dụng thứ tự chỉ mục này.

Output:

Ví dụ 3: Thứ tự chỉ mục giống Fortran: Thứ tự chỉ mục giống Fortran

import numpy as np  
x=np.arange(12)  
y=np.reshape(x, (4, 3), order='F')  
x  
y  

Output::

Trong đoạn code trên

• Chúng tôi đã tạo một mảng ‘a’ bằng hàm np.arrange ().
• Chúng tôi đã khai báo biến ‘y’ và gán giá trị trả về của hàm np.reshape ().
• Chúng tôi đã chuyển mảng ‘x’ và hình dạng và thứ tự chỉ mục giống Fortran trong hàm.
• Cuối cùng, chúng tôi đã cố gắng in giá trị của arr.

Trong đầu ra, mảng đã được biểu diễn dưới dạng bốn hàng và ba cột.

Ví dụ 4: Thứ tự chỉ mục giống Fortran

import numpy as np  
x=np.arange(12)  
y=np.reshape(np.ravel(x, order='F'), (4, 3), order='F')  
x  
y  

Output::

Ví dụ 5: Giá trị không xác định được suy ra là 2

import numpy as np  
x=np.arange(12)  
y=np.reshape(x, (2, -1))  
x  
y  

Trong đoạn code trên

• Chúng tôi đã tạo một mảng ‘a’ bằng hàm np.arrange ().
• Chúng tôi đã khai báo biến ‘y’ và gán giá trị trả về của hàm np.reshape ().
• Chúng tôi đã chuyển mảng ‘x’ và hình dạng và thứ tự chỉ mục giống Fortran trong hàm.
• Cuối cùng, chúng tôi đã cố gắng in giá trị của arr.

Trong đầu ra, mảng đã được biểu diễn dưới dạng bốn hàng và ba cột.