reshape是Python中NumPy库的核心功能之一，用于调整数组的维度结构而不改变数据本身，常用于数据预处理、矩阵运算和深度学习等领域。 它通过指定目标形状（如行列数）实现数组变形，需确保新形状的元素总数与原数组一致。

1. 基本用法
   语法为numpy.reshape(array, new_shape)，其中new_shape是一个元组。例如，将一维数组转为2x3矩阵：

   import numpy as np  
   arr = np.arange(6)  
   reshaped = arr.reshape((2, 3))  # 输出二维数组  
   

2. 自动推导维度
   可用-1自动计算某维度大小。如将一维数组转为列向量：

   arr.reshape((-1, 1))  # 行数自动计算，列数为1  
   

3. 与resize的区别
   reshape不修改原数组，返回新对象；而resize直接修改原数组。若新形状不兼容（元素总数不同），reshape会报错，resize则自动填充或截断。

4. 实际应用场景

   • 图像处理：将3D像素数组（高度×宽度×通道）展平为2D（像素×通道）以输入神经网络。
   • 时间序列分析：将1D数据重构为滑动窗口格式（样本×时间步长）。

灵活使用reshape能高效适配不同算法对数据维度的要求，但需注意元素总数一致性和内存连续性（可用order参数调整填充顺序）。