Ejecutar NumPy online

Cambiar la forma de un arreglo de NumPy con reshape

En esta lección vas a reorganizar un arreglo de NumPy con reshape() en un nuevo número de filas y columnas, sin cambiar los datos.

  • Intermedio
  • 2 min de lectura
  • 1 ejemplo ejecutable

Introducción

El problema

Los datos llegan a menudo como una larga línea de números, pero los necesitas como tabla: 12 valores mensuales como 4 trimestres de 3 meses, o 784 valores de píxeles como una imagen de 28 × 28. Cambiar la forma (reshape) reorganiza los mismos valores en una forma nueva sin copiarlos uno a uno.

Imagínalo así

Cambiar la forma es como reorganizar una fila de 6 sillas en 2 filas de 3. Las mismas sillas, en el mismo orden, solo colocadas de otra manera. Con 6 sillas no puedes hacer 2 filas de 4.

De las filas de sillas al código
np.arange(1, 7)🪑 Seis sillas en una fila
values.reshape(2, 3)🔲 Reorganizadas en 2 filas de 3
2 × 3 = 6✅ La nueva colocación debe usar cada silla exactamente una vez
matrix📋 [[1 2 3] [4 5 6]]
Mismos valores, mismo orden, forma nueva.
En una frase

Cambiar la forma modifica las dimensiones de un array conservando sus valores y su orden; la nueva forma debe contener exactamente el mismo número de elementos.

Puntos clave

  1. np.arange(1, 7) crea los valores del 1 al 6 en un array plano.
  2. values.reshape(2, 3) los coloca en 2 filas de 3; 2 × 3 debe ser igual a 6.
  3. Los valores llenan la nueva forma fila a fila, conservando su orden.
  4. values no cambia; matrix es una nueva vista de los mismos datos.

¿Cuándo se usa?

  • Convertir datos planos en filas y columnas: meses en trimestres, píxeles en imágenes.
  • Preparar arrays con la forma que espera un modelo de machine learning.
  • Volver a aplanar una tabla en una sola fila con reshape(-1).

Cuándo no hace falta

  • Cambiar el número de elementos: reshape no puede añadir ni quitar valores; usa slicing o relleno.
  • Intercambiar filas y columnas: eso es una transposición (.T), no un reshape.

Mira cómo funciona

Pulsa reshape para ver los mismos 12 valores con otra forma. Los datos no se mueven en memoria, solo cambia la forma de leerlos.

Código de ejemplo

Ejecutar código →
main.py
import numpy as np

values = np.arange(1, 7)
matrix = values.reshape(2, 3)

print(matrix)
Obtén un botón Run para este ejemplo

Resultado de la ejecución

[[1 2 3]
 [4 5 6]]

Explicación del código

La función np.arange(1, 7) crea un arreglo de una dimensión con los números del 1 al 6. Después, reshape(2, 3) los coloca en 2 filas de 3 elementos. El producto de las nuevas dimensiones debe ser igual al número de elementos original; si no, NumPy da un error. Cuando es posible, NumPy devuelve una vista (view) que comparte los datos en lugar de copiarlos.

Cambia los valores y ejecuta el programa en el compilador Python online de CodeUtility sin instalar Python.

Ejercicios de práctica

Prueba a modificar el código siguiendo las ideas de abajo. Cambiar el código y ver el resultado te ayudará a entender la lección mucho mejor que solo leerla.

  1. Cambia la forma (shape) y el tipo de datos (dtype) del arreglo de entrada.
  2. Prueba con números negativos, decimales y valores faltantes.
  3. Aplica la misma operación a un arreglo más grande de varias dimensiones y mide el tiempo.
Ejecutar en el compilador de Python →

Errores comunes

Una forma que no coincide con el tamaño

2 × 4 = 8, pero solo hay 6 valores.

Problema
values.reshape(2, 4)  # ValueError
Solución
values.reshape(2, 3)

¿Terminaste esta lección?

Márcala como aprendida para seguir tu progreso.

Practica con un reto

Usa lo que cubre esta lección para resolver un problema real. Cada reto se ejecuta en el navegador, con pruebas al instante y una revisión de IA.

Todos los retos