PythoN lightgbm 与shap结合 python的shape和reshape

• 在Numpy中，shape和reshape()函数很常用。二者的功能都是对于数组的形状进行操作。
• shape函数可以了解数组的结构；
• reshape()函数可以对数组的结构进行改变。

1. shape

import numpy as np
#设置一个数组
a = np.array([1,2,3,4,5,6,7,8])
a.shape   '''结果：(8,)'''
type(a.shape)    '''结果：tuple'''
a.shape[0]    '''结果：8'''

import numpy as np
a = np.array([1,2,3,4,4,3,2,8])  #一维数组
a1 = np.array([[1,2,3,4],[4,3,2,8]])  #二维数组
print(a.shape[0])  #值为8，因为有8个数据
print(a1.shape[0])  #值为2（2行）
print(a1.shape[1])  #值为4（4列）

由上代码可以看出：
一维数组的时候：shape是读取数组的数据个数。
二维数组的时候：shape[0]读取的是矩阵的行数，shape[1]读取的是矩阵的列数。

2. reshape()

• 输入参数：
  a：将要被重塑的类数组或数组；
  newshape：整数值或整数元组。新的形状应该兼容于原始形状。如果是一个整数值，表示一个一维数组的长度；如果是元组，一个元素值可以为-1，此时该元素值表示为指定，此时会从数组的长度和剩余的维度中推断出；
  order：可选（忽略）
• 返回：一个新的形状的数组。

a=array([[1,2,3],[4,5,6]])
reshape(a, 6)

reshape(a, (3, -1)) #为指定的值将被推断出为2

a = np.array([1,2,3,4,5,6,7,8])
a.reshape(2,4)
'''结果：array([[1, 2, 3, 4],
       [5, 6, 7, 8]])
'''
a.reshape(4,2)
'''结果：
array([[1, 2],
       [3, 4],
       [5, 6],
       [7, 8]])
'''

z = np.array([[1, 2, 3, 4],
          [5, 6, 7, 8],
          [9, 10, 11, 12],
          [13, 14, 15, 16]])
z.shape
(4, 4)


z.reshape(-1)
array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16])

z.reshape(-1, 1)
# 也就是说，先前我们不知道z的shape属性是多少，但是想让z变成只有1列，行数不知道多少，通过`z.reshape(-1,1)`，Numpy自动计算出有16行，新的数组shape属性为(16, 1)，与原来的(4, 4)配套。
 array([[ 1],
        [ 2],
        [ 3],
        [ 4],
        [ 5],
        [ 6],
        [ 7],
        [ 8],
        [ 9],
        [10],
        [11],
        [12],
        [13],
        [14],
        [15],
        [16]])
 
z.reshape(-1, 2)
# newshape等于-1，列数等于2，行数未知，reshape后的shape等于(8, 2)
array([[ 1,  2],
       [ 3,  4],
       [ 5,  6],
       [ 7,  8],
       [ 9, 10],
       [11, 12],
       [13, 14],
       [15, 16]])
 
# 同理，只给定行数，newshape等于-1，Numpy也可以自动计算出新数组的列数。

reshape()函数可以改变数组的形状，并且原始数据不发生变化。

但是，reshape()函数中的参数需要满足乘积等于数组中数据总数。如：当我们将8个数使用(2,3)重新排列时，python会报错。

而且，reshape()函数得出的数组与原数组使用的是同一个存储空间，改变一个，另一个也随之改变。

注意：shape和reshape()函数都是对于数组(array)进行操作的，对于list结构是不可以的。