numpy数组重塑返回一个新数组，而不是重新整形。任何设计理由？

Question

a = np.zeros(3)
print a.reshape((3,1))
print a

  

[[0.]   [0.]   [0。]]

     

[0. 0. 0。]

a.reshape不会改变a的形状，这有点违反直觉。这有什么设计理由吗？

非常感谢。

Answer 1

虽然实际上可以更改数组对象的形状而不是创建重新整形的视图，但实际上您几乎从不需要这样做，并且相对于制作视图几乎没有性能差异。

制作视图可以降低您将某个其他代码所需的对象形状变异的风险，并且可以避免在常见情况下编写a[:].reshape(...)而不是a.reshape(...)你还需要原始阵列的原始阵列。

NumPy中几乎没有任何形状操纵工具会修改对象的形状，但如果你真的想这样做，只要步幅有效，你就可以：

a.shape = (3, 1)

Answer 2

我经常使用reshape制作测试数组，如下所示：

In [180]: x = np.arange(6).reshape(2,3)
In [181]: x
Out[181]: 
array([[0, 1, 2],
       [3, 4, 5]])

现场替代方案是：

In [182]: x = np.arange(6); x.shape = (2,3)
In [183]: x
Out[183]: 
array([[0, 1, 2],
       [3, 4, 5]])

我很少使用inplace方法，我几乎忘记它在那里。实际上，很难想到常见的现场操作。

In [185]: x.fill(0)
In [186]: x
Out[186]: 
array([[0, 0, 0],
       [0, 0, 0]])

除x.reshape外，还有np.reshape(x)。那是/numpy/core/fromnumeric.py。 fromnumeric表示它是numeric包的一部分，numpy的前身。所以这种方法可以追溯到时间。

此外，shape=更具限制性。

In [195]: xt = x.T
In [196]: xt.shape
Out[196]: (3, 2)
In [197]: xt.shape=(2,3)
...
AttributeError: incompatible shape for a non-contiguous array

因为转置重新整形，并且改变顺序（到'F'），所以不能重新整形会对底层数据进行暴力。 xt.reshape(2,3)最终制作副本，而不是视图。