如何理解NumPy中np.reshape维度变换及B[:,:,0]逆操作？

一、np.reshape(A, (3, 3, 1))的原理 #

• 本质是调整数组的维度视图，而非复制数据：NumPy数组的核心是内存中连续存储的原始数据，加上描述数据组织规则的"形状（shape）""步长（strides）"等元信息。reshape操作不会改动内存里的原始数据排列，只是修改了形状参数，让NumPy以新的维度规则解读这些数据。
• 维度匹配要求：reshape后的总元素数必须和原数组一致——原数组A是3×3，总元素9个；新形状(3,3,1)的总元素也是3×3×1=9，满足条件才能执行成功。
• 存储顺序延续：默认情况下，NumPy按**行优先（C语言顺序）**存储数组元素。比如原数组A的元素在内存里是1,2,3,4,5,6,7,8,9（假设A为该值），reshape成三维数组B后，内存顺序完全没变，只是被解读为"3组，每组3个元素，每个元素是长度为1的子数组"。

二、B[:,:,0]还原为原数组A的原理 #

• 这是维度挤压式索引：三维数组B的第三个维度长度为1，[:,:,0]表示取所有行、所有列，且第三个维度上的第0个元素（也是唯一元素）。这个操作会直接去除长度为1的维度，让数组形状从(3,3,1)变回(3,3)。
• 同样是视图操作：该索引得到的数组和原数组A、三维数组B共享同一块内存（只要原数组是连续存储的），修改其中一个的元素，另外两个也会同步变化——因为没有复制数据，只是调整了维度描述。

举个直观例子：
假设原数组A = np.array([[1,2,3],[4,5,6],[7,8,9]])，reshape得到的B中，B[0,0,0]等于A[0,0]，B[1,2,0]等于A[1,2]；执行B[:,:,0]后，得到的数组每个位置元素与A完全对应，形状也和A一致。

内容的提问来源于stack exchange，提问作者Denny