-1是什么意思在numpy重塑？

使用带参数-1的重塑函数可以将一个numpymatrix重新整形成一个向量。但我不知道这里是什么意思。

例如：

a = numpy.matrix([[1, 2, 3, 4], [5, 6, 7, 8]]) b = numpy.reshape(a, -1)

b的结果是： matrix([[1, 2, 3, 4, 5, 6, 7, 8]])

有人知道什么-1意味着在这里？它似乎python分配-1几个含义，如： array[-1]意味着最后一个元素。你能给一个解释吗？

满足提供新形状的标准是“新形状应与原始形状兼容”

numpy允许我们给一个新的形状参数为-1（例如：（2，-1）或（-1,3）而不是（-1，-1））。它只是意味着它是一个未知的维度，我们希望numpy来弄明白。而numpy会通过查看“数组长度和剩余维数”来确定它满足上述标准

现在看例子。

 z = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) z.shape (3, 4)

现在试图用（-1）重塑。结果新形状是（12），并与原始形状（3,4）兼容

 z.reshape(-1) array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])

现在试图用（-1，1）重塑。我们提供了列为1，但行为未知。因此，我们得到结果新的形状（12,1）。与原始形状（3,4）

 z.reshape(-1,1) array([[ 1], [ 2], [ 3], [ 4], [ 5], [ 6], [ 7], [ 8], [ 9], [10], [11], [12]])

（-1，2）的新形状。行未知，列2.我们得到结果新的形状为（6，2）

 z.reshape(-1, 2) array([[ 1, 2], [ 3, 4], [ 5, 6], [ 7, 8], [ 9, 10], [11, 12]])

现在试图保持列未知。（1，-1）的新形状。即行是1，列未知。（1，12）

 z.reshape(1,-1) array([[ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]])

新形状（2，-1）。第2行，列未知。我们得到结果新的形状为（2,6）

 z.reshape(2, -1) array([[ 1, 2, 3, 4, 5, 6], [ 7, 8, 9, 10, 11, 12]])

（3，-1）的新形状。第3行，列未知。我们得到结果新形状（3,4）

 z.reshape(3, -1) array([[ 1, 2, 3, 4], [ 5, 6, 7, 8], [ 9, 10, 11, 12]])

最后，如果我们试图提供两个维度作为未知，即新的形状（-1，-1）。它会抛出一个错误

 z.reshape(-1, -1) ValueError: can only specify one unknown dimension

根据the documentation ：

newshape：int或int的元组

新的形状应该与原来的形状兼容。如果是整数，那么结果将是该长度的一维数组。一个形状尺寸可以是-1。 在这种情况下，该值是从数组的长度和剩余维度中推断出来的。

numpy.reshape（a，newshape，order {}）查看下面的链接了解更多信息。 https://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html

对于你提到的下面的例子，输出解释了合成向量为单行。（ – 1）表示行数为1.如果

 a = numpy.matrix([[1, 2, 3, 4], [5, 6, 7, 8]]) b = numpy.reshape(a, -1)

输出：

matrix（[[1，2，3，4，5，6，7，8]]）

这可以用另一个例子更精确地解释：

 b = np.arange(10).reshape((-1,1))

输出:(是一个一维柱状arrays）

arrays（[[0]，

  [1], [2], [3], [4], [5], [6], [7], [8], [9]])

b = np.arange（10）.reshape（（1，-1））

输出：（是一维行数组）

数组（[[0,1,2,3,4,5,6,7,8,9]]）

用于重新排列数组。

假设我们有一个尺寸为2 x 10 x 10的三维数组

 r = numpy.random.rand(2, 10, 10)

现在我们要重塑成5×5×8

  numpy.reshape(r, shape=(5,5,8))

会做的。一旦你修复第一个昏暗= 5和第二昏暗= 5，你不需要确定第三维。协助你的懒惰，python给-1。

  numpy.reshape(r, shape=(5,5,-1))

像明智一样

  numpy.reshape(r, shape=(50,-1))

会给你一个shape =（50,4）的数组，

这很容易理解。 “-1”代表可以从另一个维度传递的“未知维度”。在这种情况下，如果你设置你的matrix是这样的：

 a = numpy.matrix([[1, 2, 3, 4], [5, 6, 7, 8]])

像这样修改你的matrix：

 b = numpy.reshape(a, -1)

它会调用一些deafult操作matrixa，这将返回一个一维numpyarrays/ martrix。

但是，我不认为这样使用代码是一个好主意。为什么不尝试：

 b = a.reshape(1,-1)

它会给你同样的结果，读者更清楚地理解：将b设置为另一个形状。对于a，我们不应该有多less列（将其设置为-1！），但是我们需要一维数组（将第一个参数设置为1！）。