在數據分析、科學計算以及機器學習中，除了對數組元素進行讀寫操作外，還經常需要對數組的結構（如 形狀 shape、維度 dimension 等）進行調整。

NumPy 提供了一組用于數組結構調整的函數，這些函數通常不改變數據本身，而是改變其組織方式（視圖或副本）。

按照功能劃分，NumPy 中常見的調整數組結構的函數通?？梢苑譃橐韵聨最悾?/p>

（1）形狀調整

（2）數組展開

（3）維度變化

（4）維度保證

（5）軸變換

一、形狀調整

reshape()

在不改變數據的前提下，改變數組的形狀。返回重構后的數組（通常為視圖）。

numpy.reshape(a, newshape, order='C')

ndarray.reshape(newshape, order='C')

numpy.reshape() 是面向通用輸入的函數接口，而 ndarray.reshape() 是面向數組對象的方法接口；兩者在行為上等價，但在調用方式與輸入類型支持上有所不同。

參數說明：

? a：輸入數組

? newshape：目標形狀（整數或元組）

? order：元素讀取順序

'F'：按列優先（Fortran-order），首維變化最快

示例 1：

b = a.reshape((2,3))

輸出：

 [4 5 6]]

? 元素總數必須保持一致，即新的 shape 的維度長度之積應等于元素總數

? reshape() 盡量返回視圖。當數組在內存中不滿足連續性要求時，reshape() 可能返回副本而非視圖

示例 2：支持 -1 自動推導維度

b = a.reshape(3, -1)

輸出：

 [ 8  9 10 11]]

-1 的作用是讓 NumPy 自動計算該維度大小。只能出現一次。

resize()

改變數組形狀，并在必要時填充或截斷數據。

numpy.resize(a, new_shape)

參數說明：

? a：輸入數組

? new_shape：目標形狀（不足時循環填充）

返回值：返回新數組（副本）。

示例：

b = np.resize(a,(3,4))

輸出：

 [2 3 4 5]]

與 reshape() 不同，必要時改變元素數量。

特別說明：

ndarray.resize(new_shape) 會原地修改數組，并可能改變數據內容（截斷或重復填充）。

二、數組展平

ravel()

將數組展開為一維數組。返回一維數組（優先返回視圖，但在某些情況下仍可能返回副本）。

numpy.ravel(a, order='C')

參數說明：

? a：輸入數組

? order：展開順序（'C'、'F'、'A'、'K'）

'K'：嚴格按照內存中的實際存儲順序讀取元素

示例 1：

# [1 2 3 4 5 6]

ravel() 優先返回視圖（view），修改結果可能會影響原數組（取決于內存連續性）：

print(a)

輸出：

  [  4   5   6]]

示例 2：不同 order

# [1 3 2 4]

flatten()

將數組展開為一維數組（副本）。

ndarray.flatten(order='C')

參數說明（同 ravel）。

示例：

#  [4 5 6]]

ravel() 優先返回視圖，flatten() 始終返回副本。

三、維度變化

squeeze()

刪除長度為 1 的維度。

numpy.squeeze(a, axis=None)

參數說明：

? a：輸入數組

? axis：指定要刪除的軸（必須長度為 1）

示例 1：

# (3,)

示例 2：指定軸

# (1, 3)

squeeze() 只能刪除長度為 1 的軸。若指定 axis 且該軸長度 ≠ 1，會報錯。

expand_dims()

在指定位置增加一個維度。

numpy.expand_dims(a, axis)

參數說明：

? a：輸入數組

? axis：插入新軸的位置（可為負數）

示例 1：

# (3, 1)

示例 2：使用負軸

# (3, 1)

squeeze() 用于降維，即，去掉長度為 1 的維度。

expand_dims() 用于升維，即，插入長度為 1 的新維度。

四、維度保證

這些函數常用于函數接口輸入統一。

atleast_1d()

確保數組至少為一維。返回轉換后的數組（或數組列表）。

numpy.atleast_1d(*arys)

參數說明：

? *arys：一個或多個輸入標量或數組

示例：

# (1,)

atleast_2d()

確保數組至少為二維。返回轉換后的數組（或數組列表）。

numpy.atleast_2d(*arys)

參數說明：

? *arys：一個或多個輸入標量或數組

示例 1：

# (1, 3)

示例 2：多輸入多輸出

# [[1 2 3]] (1, 3)

atleast_3d()

確保數組至少為三維。返回轉換后的數組（或數組列表）。

numpy.atleast_3d(*arys)

參數說明：

? *arys：一個或多個輸入標量或數組

示例：

# (1, 3, 1)

對于上面三個函數，都遵循以下原則：

? 標量會被“提升”為數組

? 已有維度不會被壓縮

五、軸變換

transpose()

重新排列數組的軸順序。返回軸重排后的數組（通常為視圖）。

numpy.transpose(a, axes=None)

或者：

ndarray.transpose(*axes)

參數說明：

? a：輸入數組

? axes：新的軸順序（元組）

示例 1：默認轉置

b = np.transpose(a)

輸出：

 [3 6]]

示例 2：指定軸順序（高維）

# (3, 2, 4)

(1, 0, 2) 表示：

原 axis 2 → 新 axis 2（不變）

特別說明：

數組屬性T是 transpose() 的語法糖形式。

a.T 等價于：

np.transpose(a)

對于二維數組而言，a.T 就是行列互換，返回結果通常也為視圖。

對于高維數組，a.T 等價于將軸順序完全反轉：

a.T ≡ np.transpose(a, axes[::-1])

swapaxes()

交換兩個軸。

numpy.swapaxes(a, axis1, axis2)

參數說明：

? axis1, axis2：需要交換的兩個軸

示例：

# (3, 2, 4)

swapaxes() 只交換兩個軸，可看作是 transpose() 的特例。

moveaxis()

將指定軸移動到新位置。

numpy.moveaxis(a, source, destination)

參數說明：

? source：原軸位置

? destination：目標位置

示例 1：

# (3, 4, 2)

示例 2：多軸移動

# (4, 3, 2)

moveaxis() 支持多軸同時移動，語義清晰，推薦使用。

rollaxis()

將某個軸滾動到指定位置。

numpy.rollaxis(a, axis, start=0)

參數說明：

? axis：要移動的軸

? start：目標位置

示例：

# (4, 2, 3)

rollaxis() 本質上等價于 moveaxis(axis, start)，它已逐漸被替代，不推薦新代碼使用。

小結

NumPy 提供了一套完整的數組結構調整機制，包括形狀重塑（reshape、resize）、數組展開（ravel、flatten）、維度增減（squeeze、expand_dims）、維度規范化（atleast_*）以及軸變換（transpose、swapaxes、moveaxis）。需要特別注意，不同函數在是否返回視圖或副本、是否改變原數組以及內存連續性要求方面存在差異，應根據計算需求合理選擇，以兼顧性能與語義清晰性。

“點贊有美意，贊賞是鼓勵”