Python numpy整形如何使用负变量作为第二个参数

我试图用负变量作为第二个参数

a = np.array([[1,2,3], [4,5,6]])
print(np.reshape(a, (3,-1)) )
print("___________________________________")
print(np.reshape(a, (3,-2)) )
print("___________________________________")
print(np.reshape(a, (3,-3)) )
print("___________________________________")
print(np.reshape(a, (3,2)) )

以上所有四种类型的整形基本上给出了与输出相同的结果

---

我只是想弄明白上面的区别是什么？-1和2可以互换使用吗？

要重塑的参数可以包含一个由负数表示的未知维度，该值是从数组长度和剩余维度推断出来的

比如说

a = np.array([[1,2,3, 4], [5,6,7,8]])
print(np.reshape(a, (-2)) )
print("___________________________________")
print(np.reshape(a, (2, 2,-2)) )
print("___________________________________")
print(np.reshape(a, (2, -1,-2)) )

输出

[1 2 3 4 5 6 7 8]
___________________________________
[[[1 2]
  [3 4]]

 [[5 6]
  [7 8]]]
___________________________________
...
ValueError: can only specify one unknown dimension

---

用一个负数重塑形状并不是什么神奇的事情。如答案所述，负号后的数字并不重要

下面是一个函数，演示如何进行整形。请注意，这纯粹是演示性的，而不是源代码或类似内容的实际实现

def computeNegativeDim（arr）：
givenDims=列表（arr.shape）
knownDims=[d在给定的ndims中表示d，如果d>0]
val=1
对于k in knownDims：
val*=k
DIMOFPRIOUSLYUNKNOWN=arr.size/val
对于givenDims中的g：
如果g<0：
g=val
newarr=arr.重塑（给定）

---

或者在上面的某个地方。

这个

-1

仅仅意味着，

计算所需的形状。由于“重塑”无法更改图元总数，因此，如果指定除一个标注外的所有标注，则剩余标注只有一个可能的值。
[1 2 3 4 5 6 7 8]
___________________________________
[[[1 2]
  [3 4]]

 [[5 6]
  [7 8]]]
___________________________________
...
ValueError: can only specify one unknown dimension