如何在numpy中不使用显式数值参数完成矩阵reshape重塑操作

你可以通过以下两种方案替换硬编码的reshape参数：

• 方案1：基于输入矩阵的shape动态取值
  你要的第一个维度值就是输入矩阵X的行数，可以直接从X.shape中获取：

S = S.reshape(X.shape[0], 1)

• 方案2：使用numpy内置的维度自动推断（更通用）
  numpy的reshape方法支持传入-1作为占位符，程序会自动根据数组总元素数计算该位置的维度值，你只需要固定第二个维度为1即可，适配任意长度的输出数组：

S = S.reshape(-1, 1)

除了reshape之外，你也可以用新增维度的语法实现完全相同的效果，不需要写参数：

# 两种写法等价，都会把一维的S转为n行1列的二维数组
S = S[:, np.newaxis]
S = S[:, None]

现有代码优化提示 #

你当前贴出的代码存在几处可修正的逻辑问题：

1. calculate_S函数的入参n、m无意义，内部重复对n赋值，且m,d2=X.shape的赋值逻辑错误，你当前能运行是因为提前在全局定义了n、m变量，优化后的函数可以简化为：

def calculate_S(X):
    return np.diag(np.inner(X,X))

调用时直接写S = calculate_S(X)即可，不需要传入额外参数。
2. 最后输出语句print(s)中的变量名是小写，未定义，应该改为print(S)。

内容的提问来源于stack exchange，提问作者Slavisha84