保留初心，砥砺前行
-
reshape函数：
顾名思义，将原有的数组重新整形，变成参数中指定的形状。
import numpy as np
a = np.arange(1, 20, 2)
print a.reshape(2, 5)
print a.reshape(2, 1, 5)
[[ 1 3 5 7 9]
[11 13 15 17 19]]
[[[ 1 3 5 7 9]]
[[11 13 15 17 19]]]
如下代码所示，在reshape成三维数组时，第一个参数m控制将所有数据划分为m部分，第二个参数n控制将每一块数据分别划分为n部分，最后一个参数x，表示每一个小块有x列。
import numpy as np
a = np.arange(1, 21)
print a.reshape(2, 2, 5)
[[[ 1 2 3 4 5]
[ 6 7 8 9 10]]
[[11 12 13 14 15]
[16 17 18 19 20]]]
tip：在终端输出数据时，有时数据会很长，NumPy会自动将数据的中间部分变成省略号显示。如下：
[[ 0 1 2 ..., 97 98 99]
[ 100 101 102 ..., 197 198 199]
[ 200 201 202 ..., 297 298 299]
...,
[9700 9701 9702 ..., 9797 9798 9799]
[9800 9801 9802 ..., 9897 9898 9899]
[9900 9901 9902 ..., 9997 9998 9999]]
为了显示出全部数据，可以添加如下代码：
np.set_printoptions(threshold='nan')
-
dot函数：
数组间存在简单的加减乘法，对于乘法，我们都知道矩阵的乘法并不是普通的对应相乘，而使用*符号产生的是对应位置相乘的结果。如果想得到矩阵相乘的结果，需要使用dot函数，如下代码所示：
import numpy as np
a = np.array([[1, 2], [2, 3]])
b = np.array([[2, 2], [3, 3]])
print a * b
[[2 4]
[6 9]]
print np.dot(a, b)
[[ 8 8]
[13 13]]
-
flat：
在遍历一维数组时，直接使用下边索引可以一次性遍历，然而当维数增加，遍历下标其实遍历的是某一维度上的数组。例如三维数组，无法直接遍历到每一个元素。如果想直接遍历到每一个元素，可以使用flat(可以理解为要使用到数组中每一个“公寓（flat）中的元素”)，如下所示：
import numpy as np
b = np.array([[[2, 2], [3, 3]], [[2, 2], [3, 3]]])
for _ in b:
print _
[[2 2]
[3 3]]
[[2 2]
[3 3]]
for _ in b.flat:
print _
2
2
3
3
2
2
3
3
相关链接：NumPy（1）简介，基础属性，数组创建（ones，zeros，empty，arange，linespace）
相关链接：NumPy（3）full，eye，empty，random
