NumPy 的 Reshape 函数中'-1”值的含义和用法是什么？

了解 NumPy 的重塑函数中的“-1”值

NumPy 的重塑函数允许您转换多维数组的形状。在指定新形状时，“-1”值通常用作占位符，但其解释与 array[-1] 作为最后一个元素的典型含义不同。

在 reshape 的上下文中，“ -1”表示未知尺寸。该函数将根据数组的现有形状和指定的其他维度自动确定此维度。涉及的关键原则是新形状必须与原始形状兼容。

为了更好地理解“-1”的工作原理，请考虑以下示例：

<code class="python">import numpy as np

a = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
print(a.reshape(-1))</code>

在本例中, a 的形状为 (2, 4)。通过使用 reshape(-1)，我们将数组展平为一维数组。新形状变为 (8,)，与原始形状 (2x4 = 8) 兼容。

现在，让我们探索使用“-1”重塑数组的不同方式：

重塑为单个特征：

要将数组重塑为具有单个特征（即单个列）的形式，我们可以使用 reshape(-1, 1):

<code class="python">print(a.reshape(-1, 1))</code>

这将产生 (8, 1) 的形状，其中每个元素都是原始数组中的一行。

重塑为单个样本：

类似地，要将数组重塑为具有单个样本（即单行）的形式，我们可以使用 reshape(1, -1):

<code class="python">print(a.reshape(1, -1))</code>

这将产生 (1, 8) 的形状，其中每个元素都是原始数组中的一列。

使用未知维度重塑：

如果我们仅指定一个维度如果为“-1”，该函数将根据原始形状和提供的维度计算未知维度：

<code class="python">print(a.reshape(2, -1))</code>

在此示例中，我们将行数指定为 2。该函数将计算列数为 6，得到的形状为 (2, 6)。

未知多个维度的错误：

需要注意的是，指定多个维度因为“-1”将导致错误，因为该函数只能处理一个未知维度：

<code class="python">try:
    a.reshape(-1, -1)
except ValueError as e:
    print(e)</code>

这将生成错误消息“只能指定一个未知维度。”

以上是NumPy 的 Reshape 函数中'-1”值的含义和用法是什么？的详细内容。更多信息请关注PHP中文网其他相关文章！