Python 如何将（100，）到（250100）的numpy数组重塑

假设您创建了一个具有100维的数组，然后计算一些内容并填充该数组。无论出于何种原因，您尚未创建二维阵列，您希望为该数据指定另一个维度，并以此为理由（例如，250个样本应具有该计算数据）这一问题有何错误

我已经搜索过了，但找不到任何解决方案。也许我没有用正确的关键字搜索

实际上，我想把一个100的numpy数组改成250100。 我读过这篇文章和其他几个链接，但没有帮到我

我也试过这样做：

numpyarray = (100,)
transformed_numpyarray = np.reshape(numpyarray,(100,-1)).T

这给了我这个输出：

(1, 100)

但我真的不希望1作为2d数组的第一项。 我想做的是要么转换成，100，要么至少像这样的250100。250是一个常数，我已经知道，所以我想说，例如，对于250个100维的样品

谢谢。

numpy的数组是静态大小的，不能有形状可变的数组。如果您事先不知道会有多少样品，可以使用vstack逐步添加：

您还可以首先通过创建一个充满零的数组来定义大小，然后逐步用样本填充数组

numpyarray = np.zeros((250,100))
...
numpyarray[i] = new_sample

---

我仍然不知道你想做什么。到目前为止，我可以想象两种选择——重塑和重复。举例说明：

In [148]: x = np.arange(16)
In [149]: x
Out[149]: array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15])

In [150]: x.reshape(4,4)
Out[150]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])

In [151]: np.repeat(x[None,:], 4, axis=0)
Out[151]: 
array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15]])

---

100是1元素元组的标准python表示法，100不是有效的python语法。np.ReformEnumPyArray，100，-1出现错误，无法将大小为1的数组重新整形为形状100，newaxis。您的描述混淆了数组及其形状。您的链接指向keras问题。没有，100是一个有效的形状。这里没有一个与裸体相当的东西。@hpaulj非常感谢您的解释。虽然，100可能不是一个有效的，但我需要它以这种方式。或者我要用另一种方式更新我的问题。我可以更新100到250100。250是一个常数。这样做是否可行？这个问题与机器学习或scikit学习无关-请不要垃圾邮件删除标记。感谢您的回答，但我在运行示例ValueError后出现此错误：除连接轴之外的所有输入数组维度必须完全匹配。你知道吗？我也更新了我的问题。在这种情况下，更容易将其转换为常数，如250。第一个错误意味着采样的长度必须与numpyarray连接轴相同。在这种情况下，所有采样都必须具有形状100或1100，且numpyarray必须为n，100。关于这个问题的更新，当你重塑一个数组时，得到的数组必须有相同数量的单元格，在这种情况下，得到的数组会有更多的单元格。我编辑了关于如何做到这一点的答案。非常感谢。对于错误的解释，我遵循了与您的示例完全相同的方法，但得到了错误。你的第二个答案似乎可行，但我认为我需要对数据进行循环？。我现在不在工作。我会试一试，然后回到马克那里作为答案。再次感谢您抽出时间：这个答案完全符合我的要求@vlizana的回答也很正确，但我不想申请loop，让它变得昂贵。谢谢：你介意解释一下为什么我们需要这个x.4.4部分吗？不，对不起，你好像没有用过它；

In [148]: x = np.arange(16)
In [149]: x
Out[149]: array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15])

In [150]: x.reshape(4,4)
Out[150]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])

In [151]: np.repeat(x[None,:], 4, axis=0)
Out[151]: 
array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15],
       [ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15]])