reshape

numpy.reshape 函数可以在不改变数据的条件下修改形状，格式如下： numpy.reshape(arr, newshape, order=‘C’)
arr：要修改形状的数组
newshape：整数或者整数数组，新的形状应当兼容原有形状
order：‘C’ – 按行，‘F’ – 按列，‘A’ – 原顺序，‘k’ – 元素在内存中的出现顺序。

import numpy as npa = np.arange(8)
print ('原始数组：')
print (a)
print ('\n')b = a.reshape(4,2)
print ('修改后的数组：')
print (b)原始数组：
[0 1 2 3 4 5 6 7]修改后的数组：
[[0 1][2 3][4 5][6 7]]

flatten

numpy.ndarray.flatten 返回一份数组拷贝，对拷贝所做的修改不会影响原始数组，格式如下：

ndarray.flatten(order=‘C’)
order：‘C’ – 按行，‘F’ – 按列，‘A’ – 原顺序，‘K’ – 元素在内存中的出现顺序。

import numpy as npa = np.arange(8).reshape(2,4)print ('原数组：')
print (a)
print ('\n')
# 默认按行print ('展开的数组：')
print (a.flatten())
print ('\n')print ('以 F 风格顺序展开的数组：')
print (a.flatten(order = 'F'))
原数组：
[[0 1 2 3][4 5 6 7]]展开的数组：
[0 1 2 3 4 5 6 7]以 F 风格顺序展开的数组：
[0 4 1 5 2 6 3 7]

swapaxes

numpy.swapaxes 函数用于交换数组的两个轴，格式如下：

numpy.swapaxes(arr, axis1, axis2)
arr：输入的数组
axis1：对应第一个轴的整数
axis2：对应第二个轴的整数

import numpy as np# 创建了三维的 ndarray
a = np.arange(8).reshape(2,2,2)print ('原数组：')
print (a)
print ('\n')
# 现在交换轴 0（深度方向）到轴 2（宽度方向）print ('调用 swapaxes 函数后的数组：')
print (np.swapaxes(a, 2, 0))
原数组：
[[[0 1][2 3]][[4 5][6 7]]]调用 swapaxes 函数后的数组：
[[[0 4][2 6]][[1 5][3 7]]]

resize

numpy.resize 函数返回指定大小的新数组。

如果新数组大小大于原始大小，则包含原始数组中的元素的副本。

numpy.resize(arr, shape)
arr：要修改大小的数组
shape：返回数组的新形状

import numpy as npa = np.array([[1,2,3],[4,5,6]])print ('第一个数组：')
print (a)
print ('\n')print ('第一个数组的形状：')
print (a.shape)
print ('\n')
b = np.resize(a, (3,2))print ('第二个数组：')
print (b)
print ('\n')print ('第二个数组的形状：')
print (b.shape)
print ('\n')
# 要注意 a 的第一行在 b 中重复出现，因为尺寸变大了print ('修改第二个数组的大小：')
b = np.resize(a,(3,3))
print (b)
第一个数组：
[[1 2 3][4 5 6]]第一个数组的形状：
(2, 3)第二个数组：
[[1 2][3 4][5 6]]第二个数组的形状：
(3, 2)修改第二个数组的大小：
[[1 2 3][4 5 6][1 2 3]]