最近，由于程序最终需要涉及到保存数据，二维数据是可以直接可视化看到的。
自己程序生成的是三维数据，需要保存成二维数据。 由此引发了对reshape的一些思考。
- 我的数据初始维度是（55，2000） 有55个人的生理数据，一个人生理数据截取2000个点
- 通过网络的预处理（对上面的数据进行切片【切片大小为24】，切片是在55维度上进行步进式切片）导致了数据维度的增加，变为（31，24，2000） 即有31个 24*2000的列表（根据numpy格式的直观解释）【升维】
- 保存数据，需要保存为二维数据（~，2000）【 ~代表不确定多少】，若数据数量较少可以计算出来，31 _24_2000/2000=744 若数量过多，可以直接用 -1 代替 ~ ，程序会自动补全 【降维】
- 到这里也就知道reshape的本质： 把数据展开成一维，根据需求进行切片，来决定升维还是降维
- 例如：现有（A，B，C）的数据，数据总量=A _B_C。 利用重塑，重塑成（D，F）
个人理解：A _B_C/F 去切片，最终切出多个F长度的数组，D就是多少，把D个F长的数组纵向堆砌，最终重塑成（D，F）
仅做个人记录，若有错误，望指正
Original: https://blog.csdn.net/weixin_53051863/article/details/116700287
Author: 为什么要看我名字
Title: numpy.reshape及降低维度或升维的思考
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/763017/
转载文章受原作者版权保护。转载请注明原作者出处！