numpy.reshape()针对高维数据不同的索引位置的分析

在使用numpy中的ndarray数据时，需要将其维数进行变换，然而在实际使用numpy.reshape()函数时，发现其对不同索引位置会有想象之外的结果，因此进行了一些验证。我们以一个长度为12的向量为例：

a = np.arange(start=0, stop=12)

0

1

2

3

4

5

6

7

8

9

10

11

然后对其进行维数变换：

b = np.reshape(a=a, newshape=[2, 3, 2])

b[0, :, :]

0	1
2	3
4	5

b[1, :, :]

6	7
8	9
10	11

此时，我们可以选择以最后一维作为单元，即以[0, 1], [2, 3]等块进行变换，将其变换为维数[6, 2]的矩阵：

c_1 = np.reshape(a=b, newshape=[6, 2])

得到的结果是符合预期的：

0	1
2	3
4	5
6	7
8	9
10	11

然而，如果选择以最后第二维作为单元，即以[0, 2, 4], [1, 3, 5]等块进行变换，将其变换为维数[6, 2]的矩阵：

c_2 = np.reshape(a=b, newshape=[4, 3])

期望得到的结果为：

0	2	4
1	3	5
6	8	10
7	9	11

然而实际情况为：

0	1	2
3	4	5
6	7	8
9	10	11

因此，reshape函数的维数变换只能在从第1维开始的连续几维上进行，而无法对中间某几维进行，因此需要对这种特殊情况进行单独的处理，暂时不知道有没有现成的函数能够对ndarray数据进行高效的变换