我遇到了这个问题，而扁平化的图像。考虑以下数组
>>> import numpy as np
>>> arr = np.array([[[1, 2],
[3, 4]],
[[1, 2],
[3, 4]]])
>>> arr.shape
(2, 2, 2)我希望将其重塑为4x2数组**，其中每个垂直切片都是一个扁平图像**。
1.使用.reshape(2, 4).T
这样就达到了预期的效果
>>> arr_flatten = arr.reshape(2, 4).T
>>> arr_flatten
[[1 1]
[2 2]
[3 3]
[4 4]]2.使用.reshape(4, 2)
这并不能达到预期的效果
>>> arr_flatten = arr.reshape(4, 2)
>>> arr_flatten
[[1 2]
[3 4]
[1 2]
[3 4]]为什么第二种方法行不通？
1条答案
按热度按时间iyfjxgzm1#
这两次重塑以不同的方式创建数组。将
.reshape(2,4)视为遍历数组，同时计数元素，每次计数到4时，它都会创建一个新行并重新开始计数。所以，括号中的计数，它是1（1），2（2），3（3），4（4）* 新行 * 1（1），2（2），3（3），4（4）。对于.reshape(4,2)，它计数到2并开始一个新行。因此，1（1），2（2）* 新行 * 3（1），4（2）* 新行 * 1（1），2（2）* 新行 * 3（1），4（1）。因此，
.reshape(2,4)产生而
.reshape(4,2)产生。很明显，它们的换位不相等。至于为什么一个人给出了正确的答案，这一切都归结为数据的含义和它是如何排序的。在本例中，由于图像位于轴0上，
.reshape(2,4)在创建新行之前遍历整个轴0，因此它给出了正确的结果。