import numpy as np
#假设z是一个3行4列的矩阵
z = np.array([[1, 2, 3, 4],
[5, 6, 7, 8],
[9, 10, 11, 12]])
reshape(-1,newshape)的理解
如果reshape的值有-1的话，那么Numpy会根据所给的新的shape的信息（newshape），自动计算补足shape缺的值
比如这里的z矩阵，shape=（3,4），一共有12个元素，如果需要构造2列的新矩阵（只知道新矩阵的列信息），
newshape=2，也即是z.reshape(-1,2)，那么-1的用处就是根据这个2列这个信息，计算得出新的矩阵需要多少行，
12除以2=6（不能整除会报错），那么新的矩阵就是一个6*2的新矩阵；
再举一个例子，还是这个z矩阵，如果需要构造2乘3小矩阵的三维新矩阵（只知道新矩阵的小矩阵的行列信息），
newshape=2乘3，也即是z.shape(-1,2,3)，那么-1的用处就是根据这个2乘3小矩阵这个信息，计算得出新的三维矩阵需要多少个2乘3的小矩阵，
12除以(2乘3)=2，那么新的三维矩阵就是一个2乘2乘3的三维矩阵。（这里三维矩阵的说法有问题，希望理解就OK）
z_1=z.reshape(-1)#改成一串，没有行列
print("z.reshape(-1)的结果：")
print(z_1)
print("结果大小：",z_1.shape)
z.reshape(-1)的结果： [ 1 2 3 4 5 6 7 8 9 10 11 12] 结果大小： (12,)
z_2=z.reshape(-1,1)#不知道几行，改成1列，这里意思是最后一维度是1（最内部的[]包含1个元素）
print("z.shape(-1,1)的结果：")
print(z_2)
print("结果大小：",z_2.shape)
z.shape(-1,1)的结果： [[ 1] [ 2] [ 3] [ 4] [ 5] [ 6] [ 7] [ 8] [ 9] [10] [11] [12]] 结果大小： (12, 1)
z_3=z.reshape(-1,2)#不知道几行，改成2列，这里意思是最后一维度是2（最内部的[]包含2个元素）
print("z.shape(-1,2)的结果：")
print(z_3)
print("结果大小：",z_3.shape)
z.shape(-1,2)的结果： [[ 1 2] [ 3 4] [ 5 6] [ 7 8] [ 9 10] [11 12]] 结果大小： (6, 2)
z_4=z.reshape(-1,2,3)#不知道有几个小矩阵，改成二乘三的小矩阵，这里意思是最后一维度是3（最内部的[]包含3个元素），倒数第二个维度是2
print("z.shape(-1,2,3)的结果：")
print(z_4)
print("结果大小：",z_4.shape)
z.shape(-1,2,3)的结果： [[[ 1 2 3] [ 4 5 6]] [[ 7 8 9] [10 11 12]]] 结果大小： (2, 2, 3)
z_5=z.reshape(-1,3,4)#不知道几个小矩阵，改成三乘四的小矩阵
print("z.shape(-1,3,4)的结果：")
print(z_5)
print("结果大小：",z_5.shape)
z.shape(-1,3,4)的结果： [[[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12]]] 结果大小： (1, 3, 4)
z_6=z.reshape(-1,2,2,3)
print("z.shape(-1,2,2,3)的结果：")
print(z_6)
print("结果大小：",z_6.shape)
z.shape(-1,2,2,3)的结果： [[[[ 1 2 3] [ 4 5 6]] [[ 7 8 9] [10 11 12]]]] 结果大小： (1, 2, 2, 3)
