Comprendre le rôle de -1 dans Numpy Reshape

Dans Numpy, la méthode reshape() permet la transformation des formes de tableau. Lorsque vous travaillez avec des tableaux 2D, il est possible de les remodeler en tableaux 1D en utilisant reshape(-1). Par exemple : 

import numpy as np

a = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
a.reshape(-1)
# Output: array([[1, 2, 3, 4, 5, 6, 7, 8]])

Généralement, array[-1] signifie le dernier élément d'un tableau. Cependant, dans le contexte de reshape(-1), cela a une signification différente.

Le paramètre -1 dans Reshape

Le paramètre -1 dans reshape(- 1) sert de dimension générique. Cela indique que la dimension correspondante de la nouvelle forme doit être déterminée automatiquement. Cela se fait en satisfaisant au critère selon lequel la nouvelle forme doit s'aligner sur la forme du tableau d'origine, en préservant sa dimension linéaire.

Numpy permet l'utilisation de -1 dans l'un des paramètres de forme, permettant la spécification de dimensions inconnues. . Par exemple, (-1, 3) ou (2, -1) sont des formes valides, alors que (-1, -1) ne l'est pas.

Exemples de remodelage (-1)

Considérez le tableau suivant :

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

Remodelage en utilisant (-1) :

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

Remodelage à l'aide de (-1, 1) (fonctionnalité unique) :

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

Remodelage à l'aide de (-1, 2) (ligne unique) :

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

Remodelage à l'aide de (2, -1) :

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

Remodelage à l'aide de (3, -1) (Forme originale) :

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

Notez que spécifier les deux dimensions comme -1, c'est-à-dire (-1, -1), entraînera une erreur.

En comprenant la signification de -1 dans reshape(), les développeurs peuvent transformer efficacement les formes de tableaux pour répondre à leurs besoins spécifiques en matière de traitement de données dans Numpy.