numpy reshapeで-1はどういう意味ですか？

numpy行列は、パラメーター-1のreshape関数を使用してベクトルに再形成できます。しかし、ここでは-1の意味がわかりません。

例えば：

a = numpy.matrix([[1, 2, 3, 4], [5, 6, 7, 8]])
b = numpy.reshape(a, -1)

の結果bは次のとおりです。matrix([[1, 2, 3, 4, 5, 6, 7, 8]])

ここに-1の意味を知っている人はいますか？そしてそれはpythonが-1などいくつかの意味を割り当てているようです：array[-1]最後の要素を意味します：説明してもらえますか？

新しい形状を提供するために満たす基準は、「新しい形状は元の形状と互換性があること」です。

numpyを使用すると、新しい形状パラメーターの1つを-1として指定できます（例：（2、-1）または（-1,3）、ただし（-1、-1）は不可）。それは単にそれが未知の次元であることを意味し、私たちはナンピーにそれを理解してもらいたいのです。そしてnumpyは「配列の長さと残りの次元」を見て、それが上記の基準を満たすことを確認することでこれを理解し ます

今例を見てください。

z = np.array([[1, 2, 3, 4],
         [5, 6, 7, 8],
         [9, 10, 11, 12]])
z.shape
(3, 4)

（-1）で形を変えようとしています。結果の新しい形状は（12、）であり、元の形状（3,4）と互換性があります

z.reshape(-1)
array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12])

（-1、1）で形を変えようとしています。列は1、行は不明として指定しています。したがって、（12、1）として結果の新しい形状が得られます。再び元の形状（3,4）と互換性があります。

z.reshape(-1,1)
array([[ 1],
   [ 2],
   [ 3],
   [ 4],
   [ 5],
   [ 6],
   [ 7],
   [ 8],
   [ 9],
   [10],
   [11],
   [12]])

上記は、単一の機能numpyに使用するreshape(-1,1)ためのアドバイス/エラーメッセージと一致しています。つまり、単一の列

array.reshape(-1, 1)データに単一の機能がある場合に使用してデータを再形成する

（-1、2）のような新しい形状。行不明、列2。結果として新しい形状（6、2）を取得

z.reshape(-1, 2)
array([[ 1,  2],
   [ 3,  4],
   [ 5,  6],
   [ 7,  8],
   [ 9, 10],
   [11, 12]])

現在、列を不明として保持しようとしています。（1、-1）のような新しい形状。つまり、行は1、列は不明です。（1、12）のような新しい形状が得られます

z.reshape(1,-1)
array([[ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12]])

上記は、単一のサンプルnumpyに使用するreshape(1,-1)ためのアドバイス/エラーメッセージと一致しています。つまり、単一行

単一のサンプルarray.reshape(1, -1)が含まれている場合に使用してデータを再形成する

新しい形状（2、-1）。行2、列は不明です。（2,6）として結果の新しい形状を取得します

z.reshape(2, -1)
array([[ 1,  2,  3,  4,  5,  6],
   [ 7,  8,  9, 10, 11, 12]])

（3、-1）としての新しい形状。行3、列は不明です。（3,4）として結果の新しい形状を取得します

z.reshape(3, -1)
array([[ 1,  2,  3,  4],
   [ 5,  6,  7,  8],
   [ 9, 10, 11, 12]])

そして最後に、両方の次元を不明として、つまり（-1、-1）として新しい形状を提供しようとすると、エラーが発生します

z.reshape(-1, -1)
ValueError: can only specify one unknown dimension

配列の形状を変更するために使用されます。

2 x 10 x 10の3次元配列があるとします。

r = numpy.random.rand(2, 10, 10) 

次に、5 X 5 x 8に変形します。

numpy.reshape(r, shape=(5, 5, 8)) 

仕事をします。

最初のdim = 5と2番目のdim = 5を修正すると、3番目の次元を決定する必要がないことに注意してください。あなたの怠惰を助けるために、pythonは-1のオプションを提供します：

numpy.reshape(r, shape=(5, 5, -1)) 

形状=（5、5、8）の配列が得られます。

同様に、

numpy.reshape(r, shape=(50, -1)) 

形状の配列を提供します=（50、4）

詳細については、http：//anie.me/numpy-reshape-transpose-theano-dimshuffle/をご覧ください。

によるとthe documentation：

newshape：intまたはintのタプル

新しい形状は、元の形状と互換性がある必要があります。整数の場合、結果はその長さの1次元配列になります。1つの形状の次元は-1にすることができます。この場合、値は配列の長さと残りの次元から推測されます。

numpy.reshape（a、newshape、order {}）詳細については、以下のリンクを確認してください。 https://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html

以下の例では、出力は結果のベクトルが単一の行になることを説明しています。（-1）は、行数が1であることを示します。

a = numpy.matrix([[1, 2, 3, 4], [5, 6, 7, 8]])
b = numpy.reshape(a, -1)

出力：

行列（[[1、2、3、4、5、6、7、8]]）

これは別の例でより正確に説明できます：

b = np.arange(10).reshape((-1,1))

出力：（1次元の列配列です）

array（[[0]、

   [1],
   [2],
   [3],
   [4],
   [5],
   [6],
   [7],
   [8],
   [9]])

b = np.arange（10）.reshape（（1、-1））

出力：（1次元の行配列です）

配列（[[0、1、2、3、4、5、6、7、7、8、9]]）

かなりわかりやすいです。「-1」は「未知の次元」を表し、別の次元から推測することができます。この場合、マトリックスを次のように設定すると、

a = numpy.matrix([[1, 2, 3, 4], [5, 6, 7, 8]])

次のようにマトリックスを変更します。

b = numpy.reshape(a, -1)

これは、マトリックスaに対していくつかのデフォルトの操作を呼び出し、1次元のnumpy配列/行列を返します。

しかし、私はこのようなコードを使用することは良い考えではないと思います。試してみませんか：

b = a.reshape(1,-1)

同じ結果が得られ、読者が理解しやすくなります。aの別の形状としてbを設定します。aの場合、必要な列数はありません（-1に設定します）が、1次元配列が必要です（最初のパラメーターを1に設定します）。

簡単に言えば、いくつかの次元を設定し、NumPyに残りの要素を設定させます。

(userDim1, userDim2, ..., -1) -->>

(userDim1, userDim1, ..., TOTAL_DIMENSION - (userDim1 + userDim2 + ...))

それは単に、与えることができる行または列の数がわからないことを意味し、再構成する列または行の数を提案するようにnumpyに要求しています。

numpyは-1の最後の例を提供し ますhttps://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html

（-1）について理解を深めるには、以下のコードとその出力を確認してください。

コード：-

import numpy
a = numpy.matrix([[1, 2, 3, 4], [5, 6, 7, 8]])
print("Without reshaping  -> ")
print(a)
b = numpy.reshape(a, -1)
print("HERE We don't know about what number we should give to row/col")
print("Reshaping as (a,-1)")
print(b)
c = numpy.reshape(a, (-1,2))
print("HERE We just know about number of columns")
print("Reshaping as (a,(-1,2))")
print(c)
d = numpy.reshape(a, (2,-1))
print("HERE We just know about number of rows")
print("Reshaping as (a,(2,-1))")
print(d)

出力：-

Without reshaping  -> 
[[1 2 3 4]
 [5 6 7 8]]
HERE We don't know about what number we should give to row/col
Reshaping as (a,-1)
[[1 2 3 4 5 6 7 8]]
HERE We just know about number of columns
Reshaping as (a,(-1,2))
[[1 2]
 [3 4]
 [5 6]
 [7 8]]
HERE We just know about number of rows
Reshaping as (a,(2,-1))
[[1 2 3 4]
 [5 6 7 8]]

import numpy as np
x = np.array([[2,3,4], [5,6,7]]) 

# Convert any shape to 1D shape
x = np.reshape(x, (-1)) # Making it 1 row -> (6,)

# When you don't care about rows and just want to fix number of columns
x = np.reshape(x, (-1, 1)) # Making it 1 column -> (6, 1)
x = np.reshape(x, (-1, 2)) # Making it 2 column -> (3, 2)
x = np.reshape(x, (-1, 3)) # Making it 3 column -> (2, 3)

# When you don't care about columns and just want to fix number of rows
x = np.reshape(x, (1, -1)) # Making it 1 row -> (1, 6)
x = np.reshape(x, (2, -1)) # Making it 2 row -> (2, 3)
x = np.reshape(x, (3, -1)) # Making it 3 row -> (3, 2)

変換の最終結果は、最終配列の要素数が初期配列またはデータフレームの要素数と同じになることです。

-1は、行または列の不明なカウントに対応します。x（不明）と考えることができます。x元の配列の要素の数を、-1で順序付けられたペアの他の値で割ることによって得られます。

例

reshape（-1,1）の12個の要素は、x= 12/1 = 12行と1列の配列に対応します。

reshape（1、-1）の12個の要素は、1行とx= 12/1 = 12 列の配列に対応します。