❶ python array(数组).reshape(-1) 再转为列表之后变成了很多行怎么办，怎么变成一行显示

这是显示的问题，你用print输出这个参数看看

❷ reshape用负值做参数，python怎么处理

>>> import numpy
>>> numpy.reshape([1,2,3,4],(2,-1))
array([[1, 2],
[3, 4]])
>>> numpy.reshape([1,2,3,4],(-1,4))
array([[1, 2, 3, 4]])
>>> numpy.reshape([1,2,3,4],(1,-1,4))
array([[[1, 2, 3, 4]]])

❸ Python中怎样使用shape计算矩阵的行和列

>>>importnumpyasnp
>>>a=np.arange(1,11).reshape(10,1)
>>>b=a*1.1
>>>c=a/1.1
>>>a
array([[1],
[2],
[3],
[4],
[5],
[6],
[7],
[8],
[9],
[10]])
>>>b
array([[1.1],
[2.2],
[3.3],
[4.4],
[5.5],
[6.6],
[7.7],
[8.8],
[9.9],
[11.]])
>>>c
array([[0.90909091],
[1.81818182],
[2.72727273],
[3.63636364],
[4.54545455],
[5.45454545],
[6.36363636],
[7.27272727],
[8.18181818],
[9.09090909]])
>>>x=np.array([
...np.reshape(a,len(a)),
...np.reshape(b,len(b)),
...np.reshape(c,len(c))
...]).transpose()
>>>x
array([[1.,1.1,0.90909091],
[2.,2.2,1.81818182],
[3.,3.3,2.72727273],
[4.,4.4,3.63636364],
[5.,5.5,4.54545455],
[6.,6.6,5.45454545],
[7.,7.7,6.36363636],
[8.,8.8,7.27272727],
[9.,9.9,8.18181818],
[10.,11.,9.09090909]])
>>>

❹ python ,tensorflow 拒绝reshape问题

importtensorflowastf
fromfunctoolsimportrece
fromoperatorimportmul
afc1=tf.reshape(afc1,[1024,-1])
print(rece(mul,afc1.get_shape().as_list())/1024)

❺ python reshape 输出自动换行求解决方法

print函数应该有个默认的输出长度，超出长度都自动换行，不信你把1000改为100,10X15也不会换行。

❻ python 中怎么用numpy定义reshape的float数组

Numpy的主要数据类型是ndarray，即多维数组。它有以下几个属性：ndarray.ndim：数组的维数

  1. ndarray.shape：数组每一维的大小

  2. ndarray.size：数组中全部元素的数量

  3. ndarray.dtype：数组中元素的类型（numpy.int32, numpy.int16, and numpy.float64等）

  4. ndarray.itemsize：每个元素占几个字节！

❼ python resize和reshape的区别

0. reshape的参数

reshape的参数严格地说，应该是tuple类型（tuple of ints），似乎不是tuple也成（ints）。

>>> x = np.random.rand(2, 3)
>>> x.reshape((3, 2))
# 以tuple of ints
array([[ 0.19399632, 0.33569667],
[ 0.36343308, 0.7068406 ],
[ 0.89809989, 0.7316493 ]])
>>> x.reshape(3, 2)
array([[ 0.19399632, 0.33569667],
[ 0.36343308, 0.7068406 ],
[ 0.89809989, 0.7316493 ]])

1. .reshape 实现维度的提升

(3, ) (3, 1)：前者表示一维数组（无行和列的概念），后者则表示一个特殊的二维数组，也即是一个列向量；

>> x = np.ones(3)
>> x
array([ 1., 1., 1.])
>> x.reshape(3, 1)
array([[ 1.],
[ 1.],
[ 1.]])
>> x.reshape(1, 3)
array([[ 1., 1., 1.]])

2. .reshape 与 .resize

reshape：有返回值，所谓有返回值，即不对原始多维数组进行修改；
resize：无返回值，所谓有返回值，即会对原始多维数组进行修改；
>> X = np.random.randn(2, 3)
>> X
array([[ 1.23077478, -0.70550605, -0.37017735],
[-0.61543319, 1.1188644 , -1.05797142]])

>> X.reshape((3, 2))
array([[ 1.23077478, -0.70550605],
[-0.37017735, -0.61543319],
[ 1.1188644 , -1.05797142]])

>> X
array([[ 1.23077478, -0.70550605, -0.37017735],
[-0.61543319, 1.1188644 , -1.05797142]])

>> X.resize((3, 2))
>> X
array([[ 1.23077478, -0.70550605],
[-0.37017735, -0.61543319],
[ 1.1188644 , -1.05797142]])

❽ python reshape函数和opencv reshape 函数一样吗

main() { 通常是程序框架； (无非是初始化opengl，创建窗口 io处理等等) } 里面有个reshape，这是个函数指针，你也可以把命名为其他的名字。 当窗口大小变化时，为了防止物体变形，这时要重设投影转换矩阵，设置视口转换矩阵