reshape函数是对narray的数据结构进行维度变换，由于变换遵循对象元素个数不变，在进行变换时，假设一个数据对象narray的总元素个数为N，如果我们给出一个维度为（m，-1）时，我们就理解为将对象变换为一个二维矩阵，矩阵的第一维度大小为m，第二维度大小为N/m。
简单来说，-1是指reshape之后的array的新形状“面积”是与原始形状相同。-1就表示未知的长或者宽。
numpy 允许我们将新的形状参数之一指定为 -1（例如：(2,-1) 或 (-1,3) 但不是 (-1, -1)）。 它只是意味着它是一个未知的维度，我们希望 numpy 找出它。 numpy 将通过查看“数组的长度和剩余维度”并确保它满足上述标准来计算这一点。
举个例子：
z = np.array([[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12]])
z.shape
(3, 4)array z的“面积”是3*4；
现在尝试用 (-1) reshape z的形状。 结果新形状是 (12,) 并且与原始形状 (3,4) 兼容：
z.reshape(-1)
array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])现在尝试用 (-1, 1) 重塑。 列数（“宽度”）被设定为 作为 1 但行数（“高度”）是-1，也就是未知的 。 所以我们得到结果新形状为 (12, 1).，与原始形状(3,4)的“面积”相同（12*1 = 3*4）。
z.reshape(-1,1)
array([[ 1],[ 2],[ 3],[ 4],[ 5],[ 6],[ 7],[ 8],[ 9],[10],[11],[12]])以上与 numpy 建议/错误消息一致，对单个功能使用 reshape(-1,1)； 即单列
Reshape your data using
array.reshape(-1, 1)if your data has a single feature
同理还有
Reshape your data using
array.reshape(1, -1)if it contains a single sample
最后，如果我们尝试将两个维度都提供为未知，即新形状为 (-1,-1)。 它会抛出错误：
z.reshape(-1, -1)
ValueError: can only specify one unknown dimension
)
)