我们知道numpy.ndarray.reshape()是用来改变numpy数组的形状的，但是它的参数会有一些特殊的用法，这里我们进一步说明一下。代码如下：
import numpy as np
class Debug:
def __init__(self):
self.array1 = np.ones(6)
def mainProgram(self):
print("The value of array1 is: ")
print(self.array1)
print("The array2 is: ")
array2 = self.array1.reshape(2, 3)
print(array2)
if __name__ == '__main__':
main = Debug()
main.mainProgram()
"""
The value of array1 is:
[1. 1. 1. 1. 1. 1.]
The array2 is:
[[1. 1. 1.]
[1. 1. 1.]]
"""
这里我们看到我们将一个长度为6的一维数组变成了一个尺寸为(2, 3)的二维数组，这里的2代表2行，对应y轴，3代表3列，对应x轴。
然而有时候我们会在reshape中使用到-1这个参数，当使用这个参数时，会将数组重新塑形变得十分简单。代码如下：
class Debug:
def __init__(self):
self.array1 = np.ones(6)
def mainProgram(self):
print("The value of array1 is: ")
print(self.array1)
print("The array2 is: ")
array2 = self.array1.reshape(-1, 3)
print(array2)
if __name__ == '__main__':
main = Debug()
main.mainProgram()
"""
The value of array1 is:
[1. 1. 1. 1. 1. 1.]
The array2 is:
[[1. 1. 1.]
[1. 1. 1.]]
"""
我们可以看到当我们将reshape的第一个参数变为-1时，我们仍旧获得了一个尺寸为(2, 3)的数组，其实在这里，-1代表的意思为6 / 3 =2，其中6是被塑形一维数组的长度，3是我们指定的二维数组一个方向的维度。这样的好处就是当数据量比较大时，我们在二维数组重新塑形时只需要指定一个维度上的尺寸，另一个维度上的尺寸python会自动为我们计算。
