numpy.reshape(-1,1)的具体使用

数组新的shape属性应该要与原来的配套，如果等于-1的话，那么Numpy会根据剩下的维度计算出数组的另外一个shape属性值。

举个例子：

x = np.array([[2, 0], [1, 1], [2, 3]])

指定新数组行为3，列为,2，则：

y = x.reshape(3,2)

y
Out[43]:
array([[2, 0],
      [1, 1],
      [2, 3]])

指定新数组列为1，则：

y = x.reshape(-1,1)

y
Out[34]:
array([[2],
      [0],
      [1],
      [1],
      [2],
      [3]])

指定新数组列为2，则：

y = x.reshape(-1,2)

y
Out[37]:
array([[2, 0],
      [1, 1],
      [2, 3]])

指定新数组行为1，则：

y = x.reshape(1,-1)

y
Out[39]: array([[2, 0, 1, 1, 2, 3]])

指定新数组行为2，则：

y = x.reshape(2,-1)

y
Out[41]:
array([[2, 0, 1],
      [1, 2, 3]])

numpy中reshape(-1,1)与reshape(1,-1)的作用

如果你的数据只有一个特征，可以用reshape(-1,1)改变你的数据形状；或者如果你的数据只包含一个样本，可以使用reshape(1,-1)来改变。

e = np.array([1]) #只包含一个数据
f = e.reshape(1,-1) #改变形状，输出f之后发现它已经变成了二维数据

import numpy as np
a = np.array([[1,2,3],[4,5,6]]) #是两行三列的数据，二维
b = np.array([1,2])    #是一维数据
c = b.reshape(-1,1)    #c已经变成了二维数据，变成了两行一列
d = b.reshape(1,-1)    #d变成了一行两列的数据，
print('b.shape is {0}'.format(b.shape))
print(b)
print('c.shape is {0}'.format(c.shape))
print(c)
print('d.shape is {0},d array is {1}'.format(d.shape,d))

可以发现reshape(-1,1)是将一维数据在行上变化，而reshape(1,-1)是将一维数据在列上变化

来源：https://blog.csdn.net/qq_42804678/article/details/99062431