在 Python 中，可以使用 NumPy 库的 reshape() 方法来改变矩阵（多维数组）的形状，以下是详细说明和示例：
（图片来源网络，侵删）
基本语法
numpy.reshape(a, newshape, order='C')
- 参数：
a：要重塑的数组（矩阵）。newshape：新的形状（可以是整数元组或单个整数）。order：重塑的顺序（可选），默认为'C'（按行优先，类似 C 语言），'F'表示按列优先（类似 Fortran 语言）。
示例代码
示例 1：基本重塑
import numpy as np
# 创建一个 1D 数组
arr = np.array([1, 2, 3, 4, 5, 6])
print("原始数组:", arr)
# 重塑为 2x3 矩阵
reshaped_arr = np.reshape(arr, (2, 3))
print("重塑后的矩阵:\n", reshaped_arr)
输出：
原始数组: [1 2 3 4 5 6]
重塑后的矩阵:
[[1 2 3]
[4 5 6]]示例 2：自动推断维度
如果新形状中有一个维度为 -1，NumPy 会自动计算该维度的大小：
arr = np.array([1, 2, 3, 4, 5, 6])
# 自动推断为 3x2
reshaped_arr = np.reshape(arr, (3, -1))
print("自动推断的形状:\n", reshaped_arr)
输出：
自动推断的形状:
[[1 2]
[3 4]
[5 6]]示例 3：高维重塑
arr = np.arange(8) # [0, 1, 2, 3, 4, 5, 6, 7]
# 重塑为 2x2x2
reshaped_arr = np.reshape(arr, (2, 2, 2))
print("3D 矩阵:\n", reshaped_arr)
输出：
（图片来源网络，侵删）
3D 矩阵:
[[[0 1]
[2 3]]
[[4 5]
[6 7]]]示例 4：顺序参数（'C' vs 'F'）
arr = np.array([1, 2, 3, 4, 5, 6])
# 行优先（C 风格，默认）
c_order = np.reshape(arr, (2, 3), order='C')
print("行优先:\n", c_order)
# 列优先（F 风格）
f_order = np.reshape(arr, (2, 3), order='F')
print("列优先:\n", f_order)
输出：
行优先:
[[1 2 3]
[4 5 6]]
列优先:
[[1 3 5]
[2 4 6]]注意事项
-
元素总数不变：重塑前后数组的元素总数必须相同，6 个元素不能重塑为 2x4（需要 8 个元素）。
# 会报错：ValueError: cannot reshape array of size 6 into shape (2,4) np.reshape(arr, (2, 4))
-
视图 vs 副本：
reshape()通常返回一个视图（共享内存），修改新数组会影响原数组。- 如果需要副本,使用
copy=True（但reshape()默认不复制）。
-
原数组修改的影响：
（图片来源网络，侵删）arr = np.array([1, 2, 3, 4]) reshaped = np.reshape(arr, (2, 2)) reshaped[0, 0] = 99 print("原数组:", arr) # 原数组也被修改
替代方法
arr.reshape()：直接调用数组的reshape方法（更简洁）。reshaped = arr.reshape(2, 3)
np.resize()：如果新形状更大，会填充重复值（与reshape不同）。np.resize(arr, (3, 3)) # 填充 [1,2,3,4,1,2,3,4,1]
- 使用
numpy.reshape()或arr.reshape()改变矩阵形状。 - 确保元素总数匹配，否则会报错。
- 注意
order参数控制重塑顺序（行优先/列优先）。 - 默认返回视图,避免意外修改原数组。
