Comprender la función de -1 en Numpy Reshape

En Numpy, el método reshape() permite la transformación de formas de matriz. Cuando se trabaja con matrices 2D, es posible remodelarlas en matrices 1D usando remodelar(-1). Por ejemplo:

import numpy as np

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

Normalmente, matriz[-1] significa el elemento final de una matriz. Sin embargo, en el contexto de reshape(-1), esto tiene un significado diferente.

El parámetro -1 en Reshape

El parámetro -1 en reshape(- 1) sirve como dimensión comodín. Indica que la dimensión correspondiente de la nueva forma debe determinarse automáticamente. Esto se hace satisfaciendo el criterio de que la nueva forma debe alinearse con la forma de la matriz original, preservando su dimensión lineal.

Numpy permite el uso de -1 en uno de los parámetros de la forma, lo que permite especificar dimensiones desconocidas . Por ejemplo, (-1, 3) o (2, -1) son formas válidas, mientras que (-1, -1) no lo es.

Ejemplos de remodelación (-1)

Considere la siguiente matriz:

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

Reformar usando (-1):

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

Remodelación usando (-1, 1) (función única):

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

Reformar usando (-1, 2) (Fila única):

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

Reformar usando (2, -1):

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

Reformar usando (3, -1) (Forma original):

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

Tenga en cuenta que especificar ambas dimensiones como -1, es decir, (-1, -1), generará un error.

Al comprender el significado de -1 en reshape(), los desarrolladores pueden transformar eficazmente las formas de las matrices para satisfacer sus necesidades específicas de procesamiento de datos en Numpy.