Numpyのreshape()の使い方に関する質問です。

Question

import numpy as np

arr = np.arange(9).reshape(3, 3)

vec = arr.reshape(9)

print(vec)

出力結果
[0 1 2 3 4 5 6 7 8]

質問

arrが
[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]]
になることは理解できています。
しかし、
vec = arr.reshape(9)でvecが[0 1 2 3 4 5 6 7 8]になるのが理解できません。
私はreshapeはreshape(3,2)のように行列を変換させるもの
（この場合だと3行2列に変換）だと認識していますが、
reshape(9)をどのように変換させて良いのかわかっていません。

どなたかお教えていただけないでしょうか。

Comments

[yag1kaz]

「reshape(9)をどのように変換させて良いのかわかっていません。」という部分が何のために質問しているのかがよくわからないから回答にぶれがでているのかもしれません。どのように？ということの背景を明確にしてはいかがでしょうか？

Answer 1

たしかに不思議ですよね。

numpy.ndarray.reshapeのドキュメンテーション
によると

Notes

Unlike the free function numpy.reshape, this method on ndarray allows the elements of the shape parameter to be passed in as separate arguments. For example, a.reshape(10, 11) is equivalent to a.reshape((10, 11)).

となっていて、
「a.reshape(10, 11) と a.reshape((10, 11))は同じ」（＝シンタックスシュガー）
になるそうです。dkato0077さんの回答はこちらに基づいていると思われます。

次に、同じページにはこの関数(ndarray.reshape)自体が以下の関数と同等という記載がありますので、そちらを見てみましょう。

numpy.reshape

numpy.reshapeのドキュメンテーション

そのnewshapeにshapeに関する説明があります。

newshape : int or tuple of ints

The new shape should be compatible with the original shape. If an integer, then the result will be a 1-D array of that length. One shape dimension can be -1. In this case, the value is inferred from the length of the array and remaining dimensions.

翻訳すると

新しい形状は、元の形状と互換性がなければなりません。整数の場合、結果はその長さの1次元配列になります。1つの形状寸法は-1とすることができる。この場合、値は配列の長さと残りの次元から推測されます。

「整数の場合、結果はその長さの1次元配列になります。」ということで、この仕様に沿った動作をしていることになります。ちなみにー1でもよいということなので、以下のコードはすべて等価になります。

import numpy as np
v = np.arange(9).reshape(3,3)
print(v)
x = v.reshape(9)
print(x)  # [0 1 2 3 4 5 6 7 8]
y = v.reshape(-1,)
print(y)  # [0 1 2 3 4 5 6 7 8]
z = np.ravel(v)
print(z)  # [0 1 2 3 4 5 6 7 8]

Answer 2

reshape(4,3,・・・・)は

左から配列に4つの要素が入る事を指定しています。
そして、次の引数によって、その4つの要素はそれぞれ3つの要素が入る配列であることを指定しているというイメージです。以下それを繰り返すといったものです。

reshape(3,2)は一つ目のリストに3つの要素があり、その3つの要素がそれぞれ2つの要素を持つ配列だよと指示しているので、3行2列と同意になるという考え方ですね。

Answer 3

reshape(9)は要素数が9のベクトルに変換しているのであって行列ではありません。1行×9列の行列変換はreshape(1,9)になります。
このふたつは見かけはほとんど同じですが、要素のアクセス方法が違うので意識して使い分けることをお勧めします。

ということで、reshape(9)が[0 1 2 3 4 5 6 7 8]になるのは要素数9のベクトル生成を意味しているため、ということになります。

Answer 4

are.reshape(9)はare.reshape((9,))のように捉えて見てはどうでしょう。結局一次元のarrayに変換していることになります。

NumPyのreshapeのドキュメントのexampleにもnp.reshape(a, 6)と言う例が上がっていますので、そちらも参考になるかもしれません。
https://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html