NumPy 的 Reshape 函數中 -1 的意義是什麼？

理解-1 在NumPy Reshape 中的作用

在NumPy 中，reshape 是一個強大的函數，它允許我們改變數組，同時維護底層資料。使用 reshape 時，我們可以將數組的新形狀指定為維度元組，但有時我們可能會遇到神秘的 -1 值。

解開 -1 的意思

重塑陣列的標準是新的形狀必須與原始形狀相容。在此上下文中，-1 用作未知維度的佔位符。當我們將某一維度指定為 -1 時，NumPy 根據陣列的總長度和其他指定維度來決定該維度的實際值。

使用 -1 進行重塑的例子

讓我們考慮一個例子來說明 -1 在重塑中的作用。

<code class="python">import numpy as np

z = np.array([[1, 2, 3, 4],
         [5, 6, 7, 8],
         [9, 10, 11, 12]])

print(z.shape)  # (3, 4)</code>

重塑為(12,)

<code class="python">reshaped_z = z.reshape(-1)

print(reshaped_z.shape)  # (12,)</code>

在此在這種情況下，新形狀被指定為(-1,)，表示我們想要一個一維數組。 NumPy 計算未知維度為 12，得到包含原始陣列所有元素的一維數組。

重塑為(-1, 1)

<code class="python">reshaped_z = z.reshape(-1, 1)

print(reshaped_z.shape)  # (12, 1)</code>

這裡，NumPy 將-1 解釋為未知的行維度，而我們將列維度指定為1。結果是一個 12 行 1 列的二維數組。

重塑為 (1, - 1)

<code class="python">reshaped_z = z.reshape(1, -1)

print(reshaped_z.shape)  # (1, 12)</code>

在這個場景中，我們指定行數為 1，列數未知。 NumPy 將列維度確定為 12，從而得到 1 行 12 列的 2D 數組。

對單一特徵或樣本使用-1

需要注意的是NumPy 建議使用(-1, 1) 來重塑具有單一特徵的數據，使用( 1, -1) 來重塑包含單一樣本的資料。

<code class="python"># Reshape for a single feature
single_feature = np.reshape(z, (-1, 1))

# Reshape for a single sample
single_sample = np.reshape(z, (1, -1))</code>

-1 的限制

雖然 -1 提供了重塑的靈活性，但它不能用於將兩個維度指定為未知。嘗試這樣做將觸發 ValueError。

<code class="python"># Attempting to set both dimensions as -1
invalid_reshape = z.reshape(-1, -1)

# ValueError: can only specify one unknown dimension</code>

理解 -1 在 NumPy 重塑中的作用對於重塑未知維度的數組至關重要，使我們能夠有效地操作數據，同時保持其完整性。

以上是NumPy 的 Reshape 函數中 -1 的意義是什麼？的詳細內容。更多資訊請關注PHP中文網其他相關文章！