一個數組的形狀是由每個軸的元素數量決定的，可以通過reshape()和resize()函數來操縱數組的形狀。transpose()函數用於數組的轉置，ravel()函數用於把數組展開為一維數組，而flatten()用於獲得數組展開之后的一個副本；swapaxes()函數用於交換數組的兩個軸，squeeze()函數用於刪除數組中長度為1的軸。
一，數組的變形
數組的轉置可以通過數組的屬性T來獲得，數組的展開可以通過數組的屬性flat來獲得，但是flat是一個迭代器。
1，通過修改shape屬性來改變數組的形狀
numpy.ndarray.shape表示數組的維度，返回一個元組，這個元組的長度就是維度的數目，即 ndim 屬性(秩)。
x = np.array([1, 2, 9, 4, 5, 6, 7, 8]) print(x.shape) # (8,) x.shape = [2, 4]
2，reshape函數
reshape()函數返回一個給定shape的數組的副本，不會修改原始數組，並且新的數組的size必須跟原始的數組size相兼容：
numpy.reshape(a, newshape, order='C')
參數 newshape 表示數組的形狀，對於二維數組，newshape是 (row, col) ，第一個維度是行數，第二個維度是列數。
例如，下面的代碼把一個一維數組轉換為4行2列的二位數組：
a=np.arange(8) a.reshape((4,2))
3，resize函數
resize()函數會修改原始數組，不會返回任何數據，直接對原始數組進行修改：
ndarray.resize(new_shape, refcheck=True)
參數new_shape是元組或n個int數字，表示數組的形狀，即各個維度的元素數量，如果參數new_shape指定的size大於現有數組的size，那么新數組會增加新的元素，新增加的元素值都是0
>>> a.resize((2,6))
>>> a array([[ 2., 8., 0., 6., 4., 5.], [ 1., 1., 8., 9., 3., 6.]])
4，展開數組
numpy.ndarray.flat 將數組轉換為一維的迭代器，可以用for訪問數組每一個元素.
y = x.flat for i in y: print(i, end=' ')
numpy.ndarray.flatten() 將數組的副本轉換為一維數組，並返回原數組的一個copy。
numpy.ndarray.ravel() 用於返回數組的展開形式，在展開成一維數組時，最右邊的索引“變化最快”，返回原始數組的一個view。
ndarray.ravel()
ndarray.flatten()
舉個例子，從行維度和列維度的最小值開始，依次增加，獲取的元素依次排列，構成一維數組：
>>> x = np.array([[1, 2, 3], [4, 5, 6]])
>>> np.ravel(x) array([1, 2, 3, 4, 5, 6])
5，轉置
數組的轉置（Transpose）通過ndarray的屬性T來獲取：
>>> x = np.array([[1.,2.],[3.,4.]])
>>> x
array([[ 1., 2.],
[ 3., 4.]])
>>> x.T
array([[ 1., 3.],
[ 2., 4.]])
變換數組的維度，對於二維數組，轉置是把行坐標和列坐標互換：
numpy.transpose(a, axes=None)
對於多維數組，轉置需要指定新轉換的維度，比如，對於三維數組，用0、1、2表示各個維度，(1,0,2)表示：把列維度變換為行維度，把行維度變化為列維度，第三維度不變。
>>> x = np.ones((1, 2, 3)) >>> np.transpose(x, (1, 0, 2)).shape (2, 1, 3)
6，交換軸
把數組的兩個軸相互交換
numpy.swapaxes(a, axis1, axis2)
7，移除長度為1的軸
從數組的shape中刪除值為1的維度。
>>> x = np.array([[[0], [1], [2]]])
>>> x.shape
(1, 3, 1) >>> np.squeeze(x).shape (3,) >>> np.squeeze(x, axis=0).shape (3, 1)
二，數組的轉換
可以把數組轉換為list，也可以修改數組元素的數據類型。
1，轉換為list
ndarray對象的tolist()函數可以把一個數組對象轉化為list列表：
>>> np.arange(12).reshape(3,4).tolist() [[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11]]
2，修改元素的類型
調用astype()函數會創建一個新的數組，是原始數組的一個深拷貝。
arr.astype(np.int8)
三，數組的副本（copy）和視圖（view）
在做數組運算或數組操作時，返回的結果不是數組的副本就是視圖。
- 直接賦值：無拷貝，相當於是引用
- view()：建立視圖，淺拷貝，形狀可以不一致，但數據相同，對於賦值和view操作，兩個數組的數據是共享的，即引用同一個對象。
- copy()：深拷貝，完全獨立的對象
數組的視圖意味着數據不會被復制，視圖上的任何修改都會直接反應到原始數組上。
view_arr = arr.view()
numpy.ndarray.copy() 函數創建一個副本。 對副本數據進行修改，不會影響到原始數據，它們物理內存不在同一位置。
deep_copy_arr = arr.copy()
參考文檔：