numpy 中的reshape，flatten，ravel 数据平展，多维数组变成一维数组
import numpy as np
使用array对象
arr1=np.arange(12).reshape(3,4)
print(arr1)
print(type(arr1))
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
<class 'numpy.ndarray'>
a=arr1.flatten()
# 默认参数order=C，按照行进行展平；order=F，按照列进行展平，交叉展平；
#A 或K参数用的不多，顾不变多记，到时候找到会用即可
a[2]=1000
print(arr1) # arr1 并没有改变,flatten 返回的是copy
a
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
array([ 0, 1, 1000, 3, 4, 5, 6, 7, 8, 9, 10,
11])
arr1=np.arange(12).reshape(3,4)
b=arr1.reshape(-1) # b=arr1.reshape((-1)) 等同的效果意义 ,
b[2]=1000
print(arr1)# 返回的是视图view
[[ 0 1 1000 3]
[ 4 5 6 7]
[ 8 9 10 11]]
arr1=np.arange(12).reshape(3,4)
c=arr1.ravel()
c
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])
c[2]=10001
arr1 # 返回的是视图view
array([[ 0, 1, 10001, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
arr1=np.arange(12).reshape(3,4)
arr1.resize((4,3)) # 无返回值，即会对原始多维数组直接进行修改，也就是不能赋值
arr1
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 9, 10, 11]])
对matrix对象进行操作
# 使用matrix对象的时候，返回的仍是matrix，得不到想要的结果,不过该matrix仍然可以使用numpy中的一些方法对其操作，比如sum，min,max等等
d=np.matrix(np.arange(12).reshape(3,4))
d
matrix([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
d.flatten()#
matrix([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]])