### 使用 NumPy 的 `reshape` 和转置操作处理数组 #### 创建初始数组 可以使用 `np.arange()` 函数创建一个包含连续整数值的一维数组。例如： ```python import numpy as np arr = np.arange(12) print("原始数组:", arr) ``` 这将生成如下一维数组[^2]： ``` 原始数组: [ 0 1 2 3 4 5 6 7 8 9 10 11] ``` --- #### 使用 `reshape` 改变形状 通过 `reshape` 方法，可以改变数组的维度而不会更改其数据。 ##### 将 `(12,)` 转换为 `(2, 6)` 形状 ```python reshaped_2x6 = arr.reshape(2, 6) print("重塑后的 (2, 6) 数组:\n", reshaped_2x6) ``` 输出结果为： ``` 重塑后的 (2, 6) 数组: [[ 0 1 2 3 4 5] [ 6 7 8 9 10 11]] ``` 这里，原数组被重新排列成两行六列的形式[^1]。 ##### 将 `(12,)` 转换为 `(6, 2)` 形状 同样可以通过指定不同的尺寸来调整数组结构。 ```python reshaped_6x2 = arr.reshape(6, 2) print("重塑后的 (6, 2) 数组:\n", reshaped_6x2) ``` 输出结果为： ``` 重塑后的 (6, 2) 数组: [[ 0 1] [ 2 3] [ 4 5] [ 6 7] [ 8 9] [10 11]] ``` 此操作将原数组转换成了六个子列表，每两个元素一组[^1]。 --- #### 对数组进行转置 转置是一种常见的矩阵变换方式，它交换了行列的位置。对于二维及以上维度的数据尤其有用。 ##### 利用 `.T` 属性实现快速转置 假设我们已经有一个 `(2, 6)` 大小的数组，则可以直接应用 `.T` 来获取它的转置版本。 ```python transposed_via_T = reshaped_2x6.T print("(2, 6) 数组经 .T 后的结果:\n", transposed_via_T) ``` 得到的是： ``` (2, 6) 数组经 .T 后的结果: [[ 0 6] [ 1 7] [ 2 8] [ 3 9] [ 4 10] [ 5 11]] ``` 可以看到原本位于第 i 行 j 列上的值现在移动到了新位置即第 j 行 i 列上[^3]。 ##### 或者借助 `transpose()` 方法完成相同功能 另一种方法是调用 `transpose()` 函数并传入轴顺序作为参数，默认情况下无需额外设置即可获得标准意义上的转置形式。 ```python transposed_via_method = reshaped_2x6.transpose() print("(2, 6) 数组经 transpose() 后的结果:\n", transposed_via_method) ``` 最终显示一致的内容证明两者行为完全相等[^4]。 --- ### 总结 以上展示了如何利用 Python 中强大的科学计算库——NumPy 提供的功能灵活操控多维数据集。无论是简单的重定义外形还是复杂的几何映射都能轻松达成目标！