（转载请注明出处）
今天讲一下np.reshape()方法。官方给出的链接https://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html，因为是英文所以很多人不好看，这里给出详细解释。
这个方法是在不改变数据内容的情况下，改变一个数组的格式，参数及返回值解释如下：
一、参数解释首先给出官方的英文解释，当然后续会给出我做的中文解释和理解。
1、a : 数组——需要处理的数据。
2、newshape : 新的格式——整数或整数数组，如(2,3)表示2行3列。新的形状应该与原来的形状兼容，即行数和列数相乘后等于a中元素的数量。如果是整数，则结果将是长度的一维数组，所以这个整数必须等于a中元素数量。若这里是一个整数数组，那么其中一个数据可以为-1。在这种情况下，这个个值python会自动从根据第二个数值和剩余维度推断出来。
3、order的情况相比于前面两个参数有些复杂，这里会用比较大的篇幅来解释，并在后面给出一个比较易懂的示例
首先做出翻译：order : 可选范围为{‘C’, ‘F’, ‘A’}。使用索引顺序读取a的元素，并按照索引顺序将元素放到变换后的的数组中。如果不进行order参数的设置，默认参数为C。
（1）“C”指的是用类C写的读/索引顺序的元素，最后一个维度变化最快，第一个维度变化最慢。以二维数组为例，简单来讲就是横着读，横着写，优先读/写一行。
（2）“F”是指用FORTRAN类索引顺序读/写元素，最后一个维度变化最慢，第一个维度变化最快。竖着读，竖着写，优先读/写一列。注意，“C”和“F”选项不考虑底层数组的内存布局，只引用索引的顺序。
（3）“A”选项所生成的数组的效果与原数组a的数据存储方式有关，如果数据是按照FORTRAN存储的话，它的生成效果与”F“相同，否则与“C”相同。这里可能听起来有点模糊，下面会给出示例。
注：FORTRAN和C是两个语言，他们存储数组的方式不同，FORTRSAN为列有限，而C为行优先。在python中默认数组生成的时候是按照C的方式进行存储。但，很多时候我们需要调用Fortran的一些库进行数学计算，所以需要让numpy生成的数组变成按照FORTRAN的方式存储，使用numpy.asfortranarray方法，本博客同时给出了它的官方链接。
二、示例解释
1、首先随机生成一个4行3列的数组
import numpy as npfrom numpy import random as nrr=nr.randint(0,10,size=(4,3))
2、使用reshape，这里有两种使用方法，可以使用np.reshape(r,(-1,1),order='F')，也可以使用r1=p.reshape((-1,1),order='F')，这里我选择使用第二种方法。通过示例可以观察不同的order参数效果。
r1=r.reshape((3,4),order='A')r2=r.reshape((3,4),order='C')r3=r.reshape((3,4),order='F')r4=r.reshape((3,4))print("r",r)print("r1",r1)print("r2",r2)print("r3",r3)print("r4",r4)
观察以下输出结果
通过例子可以看出来，F是优先对列信息进行操作，而C是优先行信息操作。如果未对r的格式进行设置，那么我们rashape的时候以“A”的顺序进行order的话，它的效果和“C”相同。
3、我们将r的存储方式进行修改，修改为类Fortan的方式进行存储。并做与第2步类似的操作。
r = np.asfortranarray(r)r1=r.reshape((3,4),order='A')r2=r.reshape((3,4),order='C')r3=r.reshape((3,4),order='F')r4=r.reshape((3,4))一样进行输出，最后结果，可以看出np.asfortranarray(r)，并不会对r的输出结果产生影响，但是由于改变了r的存储类型，会改变“A”格式的输出结果，使其与“F”相同。
三、结尾及道歉结尾，第一篇博客比较基础，因为我自己也是个菜鸟，欢迎大家和我交流互相进步
刚开始写的时候万万没有想到会有这么多人查看，也没注意到其中的一些问题，自己初学理解的也不是很到位，有些地方写的确实有些问题。在这里为之前的错误正式地道歉。经过修改之后，自己感觉可能更清楚一些了，虽然篇幅变长了…
希望自己之前的错误不会给太多人增加烦恼。
我已经工作了，python部分内容就不会再更新，。过关于这篇博客，如果有同学不懂，我还是会努力的帮忙解答，祝大家科研顺利。