这里我将分享5个优雅的python Numpy函数,它们可以用于高效和简洁的数据操作。
1) 使用-1进行整形
Numpy允许我们重新塑造一个矩阵,提供新的形状应该与原始形状兼容。...一维为-1的不同图形的表示
a = np.array([[1, 2, 3, 4],
[5, 6, 7, 8]])
a.shape
(2, 4)
假设我们将行设为1,把-1作为列...[2],
[3],
[4]],
[[5],
[6],
[7],
[8]]])
如果我们试图重新塑造一个不兼容的形状或一个以上的未知形状...a.reshape(-1,-1)
ValueError: can only specify one unknown dimension
a.reshape(3,-1)
ValueError: cannot...reshape array of size 8 into shape (3,newaxis)
综上所述,在重塑数组时,新形状必须包含与旧形状相同数量的元素,这意味着两个形状的维度的乘积必须相等。