在 Numpy 的 reshape 函数中，给出三个参数有什么意义，第一个是-1？

Question

arr = np.array([[1, 2, 3, 4, 5, 6]])
newarr = arr.reshape(-1,3,2)
newarr

上面是我做的代码。这是输出：

array([[[1, 2],
        [3, 4],
        [5, 6]]])

但我无法理解 -1 做了什么。 -1 单独应该使数组变平，即将多维数组转换为一维数组。当 -1 与 2,3 一起使用时，输出发生了什么变化？

Answer 1

正如 numpy.reshape docs 所说：

一个形状维度可以是-1。在这种情况下，该值是从数组的长度和剩余维度推断出来的。

也就是说，-1 表示“请计算出这个形状的尺寸”。它将被计算，以使元素的数量与原始数组中的相同。

在您的示例中，由于其余的形状尺寸为 2 和 3，因此已经涵盖了所有 6 个元素。因此，推断的（第一个）形状维度必须为 1，结果数组的形状为 (1, 2, 3)。

另一个例子：

arr = np.arange(27)  # 1-dim array of 27 elements
newarr = arr.reshape(-1,3,3)

在这种情况下，生成的 newarr.shape 将是 (3,3,3)，因此您将获得 27 个元素。