Esegui NumPy online

Cambiare la forma di un array NumPy con reshape

In questa lezione userai reshape() per riorganizzare un array NumPy in un nuovo numero di righe e colonne senza cambiare i dati.

  • Intermedio
  • 2 min di lettura
  • 1 esempio eseguibile

Introduzione

Il problema

I dati arrivano spesso come una lunga fila di numeri, ma ti servono come tabella: 12 valori mensili come 4 trimestri da 3 mesi, o 784 valori di pixel come un'immagine 28 × 28. Il reshape risistema gli stessi valori in una nuova forma senza copiarli uno per uno.

Immaginalo così

Il reshape è come risistemare una fila di 6 sedie in 2 file da 3. Le stesse sedie, nello stesso ordine, solo disposte in modo diverso. Non puoi fare 2 file da 4 con 6 sedie.

Dalle file di sedie al codice
np.arange(1, 7)🪑 Sei sedie in una fila
values.reshape(2, 3)🔲 Risistemate in 2 file da 3
2 × 3 = 6✅ La nuova disposizione deve usare ogni sedia esattamente una volta
matrix📋 [[1 2 3] [4 5 6]]
Stessi valori, stesso ordine, nuova forma.
In una frase

Il reshape cambia le dimensioni di un array mantenendo i suoi valori e il loro ordine; la nuova forma deve contenere esattamente lo stesso numero di elementi.

Punti chiave

  1. np.arange(1, 7) crea i valori da 1 a 6 in un array piatto.
  2. values.reshape(2, 3) li dispone in 2 righe da 3; 2 × 3 deve fare 6.
  3. I valori riempiono la nuova forma riga per riga, mantenendo il loro ordine.
  4. values non cambia; matrix è una nuova vista sugli stessi dati.

Quando si usa?

  • Trasformare dati piatti in righe e colonne: mesi in trimestri, pixel in immagini.
  • Preparare gli array nella forma che si aspetta un modello di machine learning.
  • Riappiattire una tabella in una riga con reshape(-1).

Quando non serve

  • Cambiare il numero di elementi: reshape non può aggiungere o togliere valori; usa lo slicing o il riempimento.
  • Scambiare righe e colonne: quella è una trasposta (.T), non un reshape.

Guarda come funziona

Premi reshape per vedere gli stessi 12 valori con un'altra forma. I dati non si spostano in memoria, cambia solo il modo di leggerli.

Codice di esempio

Esegui codice →
main.py
import numpy as np

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

print(matrix)
Crea un pulsante Run per questo esempio

Risultato dell'esecuzione

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

Spiegazione del codice

La funzione np.arange(1, 7) crea un array monodimensionale con i numeri da 1 a 6. Poi reshape(2, 3) li dispone in 2 righe da 3 elementi. Il prodotto delle nuove dimensioni deve essere uguale al numero totale di elementi, altrimenti NumPy dà errore. Quando possibile, NumPy restituisce una vista (view) che condivide i dati invece di copiarli.

Modifica i valori ed esegui il programma nel compilatore Python online CodeUtility senza installare Python.

Esercizi di approfondimento

Prova a modificare il codice seguendo i suggerimenti qui sotto. Cambiare il codice e osservare il risultato ti aiuta a capire molto più che leggerlo soltanto.

  1. Cambia la forma (shape) e il tipo di dato (dtype) dell'array di input.
  2. Prova con numeri negativi, decimali e valori mancanti.
  3. Applica la stessa operazione a un array più grande, con più dimensioni, e misura il tempo.
Esegui nel compilatore Python →

Errori comuni

Una forma che non corrisponde alla dimensione

2 × 4 fa 8, ma i valori sono solo 6.

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

Hai finito questa lezione?

Segnala come imparata per tenere traccia dei tuoi progressi.

Esercitati con una sfida

Usa ciò che questa lezione spiega per risolvere un problema reale. Ogni sfida gira nel browser, con test immediati e una revisione dell'IA.

Tutte le sfide