重塑数组

numpy.reshape（与 numpy.ndarray.reshape 相同）方法返回相同总大小的数组，但是采用新形状：

print(np.arange(10).reshape((2, 5)))   
# [[0 1 2 3 4]
#  [5 6 7 8 9]]

它返回一个新数组，并且不能就地运行：

a = np.arange(12)
a.reshape((3, 4))
print(a)
# [ 0  1  2  3  4  5  6  7  8  9 10 11]

但是，它是可以覆盖一个 ndarray 的 shape 属性：

a = np.arange(12)
a.shape = (3, 4)
print(a)
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]

这种行为一开始可能会令人惊讶，但是 ndarrays 存储在连续的内存块中，而它们的 shape 只指定了如何将这个数据流解释为多维对象。

shape 元组中最多一个轴的值​​可以为 -1。然后 numpy 会为你推断出这个轴的长度：

a = np.arange(12)
print(a.reshape((3, -1)))
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]

要么：

a = np.arange(12)
print(a.reshape((3, 2, -1)))

# [[[ 0  1]
#   [ 2  3]]

#  [[ 4  5]
#   [ 6  7]]

#  [[ 8  9]
#   [10 11]]]

多个未指定的尺寸，例如 a.reshape((3, -1, -1)) 是不允许的，并且会抛出一个 ValueError。