numpy 数组行专业和列专业

我无法理解如何numpy存储其数据。考虑以下：

>>> import numpy as np
>>> a = np.ndarray(shape=(2,3), order='F')
>>> for i in xrange(6): a.itemset(i, i+1)
... 
>>> a
array([[ 1.,  2.,  3.],
       [ 4.,  5.,  6.]])
>>> a.flags
  C_CONTIGUOUS : False
  F_CONTIGUOUS : True
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

这说的是a是列主要（F_CONTIGUOUS）因此，在内部，a应如下所示：

[1, 4, 2, 5, 3, 6]

这就是本节中所说的glossary http://docs.scipy.org/doc/numpy/glossary.html#term-column-major。让我困惑的是，如果我尝试访问的数据a相反，我以线性方式得到：

>>> for i in xrange(6): print a.item(i)
... 
1.0
2.0
3.0
4.0
5.0
6.0

此时我不确定是什么F_CONTIGUOUSflag 告诉我们，因为它不遵守顺序。显然，Python 中的所有内容都是行优先，当我们想要以线性方式迭代时，我们可以使用迭代器flat http://docs.scipy.org/doc/numpy/reference/arrays.indexing.html#flat-iterator-indexing.

问题如下：鉴于我们有一个数字列表，请说：1, 2, 3, 4, 5, 6，我们怎样才能创建一个numpy形状数组(2, 3)按列主要顺序？这就是我怎样才能得到一个看起来像这样的矩阵

array([[ 1.,  3.,  5.],
       [ 2.,  4.,  6.]])

我真的希望能够线性迭代列表并将它们放入新创建的列表中ndarray。这样做的原因是因为我将读取按列主要顺序设置的多维数组的文件。

numpy 按行主顺序存储数据。

>>> a = np.array([[1,2,3,4], [5,6,7,8]])
>>> a.shape
(2, 4)
>>> a.shape = 4,2
>>> a
array([[1, 2],
       [3, 4],
       [5, 6],
       [7, 8]])

如果更改形状，数据的顺序不会改变。

如果你添加一个“F”，你就可以得到你想要的。

>>> b
array([1, 2, 3, 4, 5, 6])
>>> c = b.reshape(2,3,order='F')
>>> c
array([[1, 3, 5],
       [2, 4, 6]])