¿Qué significa -1 en remodelación numpy?

Una matriz numpy se puede remodelar en un vector usando la función de remodelación con el parámetro -1. Pero no sé qué significa -1 aquí.

Por ejemplo:

a = numpy.matrix([[1, 2, 3, 4], [5, 6, 7, 8]])
b = numpy.reshape(a, -1)

El resultado de bes:matrix([[1, 2, 3, 4, 5, 6, 7, 8]])

¿Alguien sabe lo que significa -1 aquí? Y parece que Python asigna -1 varios significados, tales como: array[-1]significa el último elemento. ¿Puedes dar una explicación?

El criterio a cumplir para proporcionar la nueva forma es que "la nueva forma debe ser compatible con la forma original"

numpy nos permite dar uno de los nuevos parámetros de forma como -1 (por ejemplo: (2, -1) o (-1,3) pero no (-1, -1)). Simplemente significa que es una dimensión desconocida y queremos que Numpy se dé cuenta. Y numpy calculará esto mirando la 'longitud de la matriz y las dimensiones restantes' y asegurándose de que cumpla con los criterios mencionados anteriormente

Ahora mira el ejemplo.

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

Ahora tratando de remodelar con (-1). El resultado de la nueva forma es (12,) y es compatible con la forma original (3,4)

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

Ahora tratando de remodelar con (-1, 1). Hemos proporcionado la columna como 1 pero las filas como desconocidas. Entonces obtenemos resultados con una nueva forma como (12, 1). De nuevo compatible con la forma original (3,4)

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

Lo anterior es consistente con el numpymensaje de aviso / error, para usar reshape(-1,1)para una sola característica; es decir, una sola columna

Cambie la forma de sus datos usando array.reshape(-1, 1)si sus datos tienen una sola característica

Nueva forma como (-1, 2). fila desconocida, columna 2. obtenemos resultado nueva forma como (6, 2)

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

Ahora tratando de mantener la columna como desconocida. Nueva forma como (1, -1). es decir, fila es 1, columna desconocida. obtenemos resultado nueva forma como (1, 12)

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

Lo anterior es consistente con el numpymensaje de aviso / error, para usar reshape(1,-1)para una sola muestra; es decir, una sola fila

Cambie la forma de sus datos usando array.reshape(1, -1)si contiene una sola muestra

Nueva forma (2, -1). Fila 2, columna desconocida. obtenemos resultado nueva forma como (2,6)

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

Nueva forma como (3, -1). Fila 3, columna desconocida. obtenemos resultado nueva forma como (3,4)

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

Y finalmente, si intentamos proporcionar ambas dimensiones como desconocidas, es decir, una nueva forma como (-1, -1). Arrojará un error

z.reshape(-1, -1)
ValueError: can only specify one unknown dimension

Se usa para remodelar una matriz.

Digamos que tenemos una matriz tridimensional de dimensiones 2 x 10 x 10:

r = numpy.random.rand(2, 10, 10) 

Ahora queremos remodelar a 5 X 5 x 8:

numpy.reshape(r, shape=(5, 5, 8)) 

Hará el trabajo.

Tenga en cuenta que, una vez que arregla el primer dim = 5 y el segundo dim = 5, no necesita determinar la tercera dimensión. Para ayudar a su pereza, python le da la opción de -1:

numpy.reshape(r, shape=(5, 5, -1)) 

le dará una matriz de forma = (5, 5, 8).

Igualmente,

numpy.reshape(r, shape=(50, -1)) 

le dará una matriz de forma = (50, 4)

Puede leer más en http://anie.me/numpy-reshape-transpose-theano-dimshuffle/

De acuerdo a the documentation:

newshape: int o tupla de ints

La nueva forma debe ser compatible con la forma original. Si es un entero, el resultado será una matriz 1-D de esa longitud. Una dimensión de forma puede ser -1. En este caso, el valor se infiere de la longitud de la matriz y las dimensiones restantes.

numpy.reshape (a, newshape, order {}) consulte el siguiente enlace para obtener más información. https://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html

para el ejemplo a continuación, mencionó que la salida explica que el vector resultante sea una sola fila. (- 1) indica el número de filas a ser 1. si el

a = numpy.matrix([[1, 2, 3, 4], [5, 6, 7, 8]])
b = numpy.reshape(a, -1)

salida:

matriz ([[1, 2, 3, 4, 5, 6, 7, 8]])

Esto puede explicarse más precisamente con otro ejemplo:

b = np.arange(10).reshape((-1,1))

salida: (es una matriz de columnas unidimensional)

matriz ([[0],

   [1],
   [2],
   [3],
   [4],
   [5],
   [6],
   [7],
   [8],
   [9]])

b = np.arange (10) .reshape ((1, -1))

salida: (es un conjunto de filas de 1 dimensión)

matriz ([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])

Es bastante fácil de entender. El "-1" significa "dimensión desconocida" que se puede inferir desde otra dimensión. En este caso, si configura su matriz de esta manera:

a = numpy.matrix([[1, 2, 3, 4], [5, 6, 7, 8]])

Modifique su matriz así:

b = numpy.reshape(a, -1)

Llamará a algunas operaciones sordas a la matriz a, que devolverá una matriz numpy / martrix 1-d.

Sin embargo, no creo que sea una buena idea usar un código como este. ¿Por qué no intentarlo?

b = a.reshape(1,-1)

Le dará el mismo resultado y es más claro para que los lectores lo entiendan: establezca b como otra forma de a. Por un lado, no sabemos cuántas columnas debería tener (¡configúrelo en -1!), Pero queremos una matriz de 1 dimensión (¡establezca el primer parámetro en 1!).

Larga historia corta : establece algunas dimensiones y deja que NumPy establezca el (los) resto (s).

(userDim1, userDim2, ..., -1) -->>

(userDim1, userDim1, ..., TOTAL_DIMENSION - (userDim1 + userDim2 + ...))

Simplemente significa que no está seguro de qué número de filas o columnas puede dar y está pidiendo a numpy que sugiera el número de columnas o filas para remodelar.

numpy proporciona el último ejemplo para -1 https://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html

verifique el código a continuación y su salida para comprender mejor acerca de (-1):

CÓDIGO:-

import numpy
a = numpy.matrix([[1, 2, 3, 4], [5, 6, 7, 8]])
print("Without reshaping  -> ")
print(a)
b = numpy.reshape(a, -1)
print("HERE We don't know about what number we should give to row/col")
print("Reshaping as (a,-1)")
print(b)
c = numpy.reshape(a, (-1,2))
print("HERE We just know about number of columns")
print("Reshaping as (a,(-1,2))")
print(c)
d = numpy.reshape(a, (2,-1))
print("HERE We just know about number of rows")
print("Reshaping as (a,(2,-1))")
print(d)

SALIDA: -

Without reshaping  -> 
[[1 2 3 4]
 [5 6 7 8]]
HERE We don't know about what number we should give to row/col
Reshaping as (a,-1)
[[1 2 3 4 5 6 7 8]]
HERE We just know about number of columns
Reshaping as (a,(-1,2))
[[1 2]
 [3 4]
 [5 6]
 [7 8]]
HERE We just know about number of rows
Reshaping as (a,(2,-1))
[[1 2 3 4]
 [5 6 7 8]]

import numpy as np
x = np.array([[2,3,4], [5,6,7]]) 

# Convert any shape to 1D shape
x = np.reshape(x, (-1)) # Making it 1 row -> (6,)

# When you don't care about rows and just want to fix number of columns
x = np.reshape(x, (-1, 1)) # Making it 1 column -> (6, 1)
x = np.reshape(x, (-1, 2)) # Making it 2 column -> (3, 2)
x = np.reshape(x, (-1, 3)) # Making it 3 column -> (2, 3)

# When you don't care about columns and just want to fix number of rows
x = np.reshape(x, (1, -1)) # Making it 1 row -> (1, 6)
x = np.reshape(x, (2, -1)) # Making it 2 row -> (2, 3)
x = np.reshape(x, (3, -1)) # Making it 3 row -> (3, 2)

El resultado final de la conversión es que el número de elementos en la matriz final es el mismo que el de la matriz inicial o el marco de datos.

-1 corresponde al recuento desconocido de la fila o columna. podemos pensar en ello como x(desconocido). xse obtiene dividiendo el número de elementos en la matriz original por el otro valor del par ordenado con -1.

Ejemplos

12 elementos con remodelación (-1,1) corresponden a una matriz con x= 12/1 = 12 filas y 1 columna.

12 elementos con remodelación (1, -1) corresponden a una matriz con 1 fila y x= 12/1 = 12 columnas.