Python数据分析双雄:NumPy与Pandas从入门到实战(第二讲)—— NumPy 高级操作:重塑、合并、聚合与性能优化深度解析

数组重塑与维度操作

reshape: 灵活的数组形状变换

  reshape() 是 NumPy 中最常用的数组重塑函数，它允许我们在不改变数组数据的情况下，重新组织数组的维度结构。

基础用法与规则

import numpy as np

# 创建一维数组
arr_1d = np.arange(12)
print(f"原始数组: {arr_1d}")
print(f"原始形状: {arr_1d.shape}")

# 重塑为 3x4 矩阵
arr_2d = arr_1d.reshape(3, 4)
print(f"\n重塑为 3x4:\n{arr_2d}")
print(f"新形状: {arr_2d.shape}")

# 重塑为 2x2x3 三维数组
arr_3d = arr_1d.reshape(2, 2, 3)
print(f"\n重塑为 2x2x3:\n{arr_3d}")
print(f"新形状: {arr_3d.shape}")

  一键获取完整项目代码

重塑规则:

• 元素总数不变：重塑前后数组的元素总数必须相等
• 内存连续性：reshape() 返回的是原数组的视图（view），不会复制数据
• 自动推断：可以使用 -1 让 NumPy 自动计算某个维度的大小