修改numpy.all.md以及增加numpy.reshape.md (teadocs#4)

修改numpy.all.md以及增加numpy.reshape.md

Author: ZhiBing(陈治兵)

docs/generated/numpy.all.md

@@ -8,17 +8,17 @@ numpy.all(a, axis=None, out=None, keepdims=<no value>)
 
 ## 方法说明
 
-逐个元素添加参数。
+测试沿给定轴的所有数组元素是否为真。
 
 - **参数**: 
  - **a : 类数组类型**
- 输入可转换为数组的数组或对象。
- - **axis : int或int或tuple of int，可选**
- 沿轴或轴执行逻辑AND减少。 默认值（axis = None）是对输入数组的所有维度执行逻辑AND。 轴可以是负的，在这种情况下，它从最后一个轴到第一个轴计数。
+ 输入数组或可转换为数组的对象。
+ - **axis : None或int或tuple of ints，可选**
+ 沿一个或多个轴执行逻辑AND规约。 默认值（axis = None）是对输入数组的所有维度执行逻辑AND。轴可以是负数，这种情况下，它从最后一个轴开始索引。
  *版本1.7.0中的新功能。*
- 如果这是一个整数元组，则在多个轴上执行减少，而不是像以前那样对单个轴或所有轴执行减少。
+ 如果这是一个整数元组，则在多个轴上进行规约操作，而不是像以前那样在单个轴或所有轴上进行行规约操作。
  - **out : ndarray, 可选**
- 值为True表示计算该位置的ufunc，值为False表示仅在输出中保留该值。
+ 用于存放输出结果的备用输出数组。它必须具有与预期输出相同的形状，并保留其类型。
  - **keepdims : bool, 可选**
  如果将其设置为True，则缩小的轴将作为尺寸为1的尺寸保留在结果中。 使用此选项，结果将针对输入数组正确广播。
  如果传递了默认值，则keepdims将不会传递给[ndarray](https://docs.scipy.org/doc/numpy/reference/generated/numpy.ndarray.html#numpy.ndarray)的所有子类方法，但是任何非默认值都将是。 如果子类的方法没有实现keepdims，则会引发任何异常。
@@ -33,7 +33,7 @@ numpy.all(a, axis=None, out=None, keepdims=<no value>)
 
 ## 注意
 
-不是数字（NaN），正无穷大和负无穷大评估为真，因为它们不等于零。
+非数字（Not a Number，NaN）、正无穷和负无穷被视为真，因为它们不等于零。
 
 ## 例子
 

docs/generated/numpy.reshape.md

@@ -0,0 +1,86 @@
+# numpy.all
+
+## 调用概览
+
+```python
+numpy.reshape(a, newshape, order='C')
+```
+
+## 方法说明
+
+为数组提供新形状而不更改其数据。
+
+- **参数**: 
+ - **a : 类数组类型**
+ 将要进行重塑的数组。
+ - **newshape : int或tuple of ints**
+ 新形状应该与原始形状兼容。如果是一个整数，结果会返回一个对应长度的一维数组。另外，某个形状的维度值可以是-1。这种情况下，该值是从数组长度和剩余维度推断出来的。
+ - **order : {'C', 'F', 'A'}, 可选**
+ 使用此索引顺序读取a的元素，并使用此索引顺序将元素放入重塑的数组中。'C'表示使用类似C的索引顺序读/写元素，首先读/写最后一个轴上的元素，其次是倒数第二个轴，最后是第一个轴上的元素。'F'表示使用类似Fortran的索引顺序读/写元素，首先读/写第一个轴上的元素，接下来是第二个轴上的元素，最后是最后一个轴上的元素。注意，'C'和'F'选项不考虑底层数组的内存布局，只涉及索引的顺序。'A'表示如果a的内存布局是Fortran连续的，那么就会以类似Fortran的索引顺序读/写元素，否则以类似于C的索引顺序读/写元素。
+- **返回**:
+ - **reshaped_array : ndarray**
+ 如果可能，它将返回一个新的视图对象; 否则，它返回一个原数组的拷贝。注意，该函数不保证返回数组的内存布局（C或Fortran连续）。
+
+## 另见
+
+- [ndarray.reshape](https://docs.scipy.org/doc/numpy/reference/generated/numpy.ndarray.reshape.html#numpy.ndarray.reshape) 等效方法
+
+## 注意
+
+我们并不总是可以在不复制数据的情况下更改数组的形状。如果要在复制数据时抛出错误，则应将新形状赋值给数组的shape属性：
+
+```python
+>>> a = np.zeros((10, 2))
+# A transpose makes the array non-contiguous
+>>> b = a.T
+# Taking a view makes it possible to modify the shape without modifying
+# the initial object.
+>>> c = b.view()
+>>> c.shape = (20)
+AttributeError: incompatible shape for a non-contiguous array
+```
+
+*order*关键字提供索引顺序，用于从a中读取值以及将值写入到输出数组中。例如，假设有一个数组：
+
+```python
+>>> a = np.arange(6).reshape((3, 2))
+>>> a
+array([[0, 1],
+ [2, 3],
+ [4, 5]])
+```
+
+我们可以将重塑操作视为首先使用给定的索引顺序对数组进行拉直（ravel）操作，然后使用相同的索引顺序将拉直后数组中的元素插入到新数组中。
+
+```python
+>>> np.reshape(a, (2, 3)) # C-like index ordering
+array([[0, 1, 2],
+ [3, 4, 5]])
+>>> np.reshape(np.ravel(a), (2, 3)) # equivalent to C ravel then C reshape
+array([[0, 1, 2],
+ [3, 4, 5]])
+>>> np.reshape(a, (2, 3), order='F') # Fortran-like index ordering
+array([[0, 4, 3],
+ [2, 1, 5]])
+>>> np.reshape(np.ravel(a, order='F'), (2, 3), order='F')
+array([[0, 4, 3],
+ [2, 1, 5]])
+```
+
+## 例子
+
+```python
+>>> a = np.array([[1,2,3], [4,5,6]])
+>>> np.reshape(a, 6)
+array([1, 2, 3, 4, 5, 6])
+>>> np.reshape(a, 6, order='F')
+array([1, 4, 2, 5, 3, 6])
+```
+
+```python
+>>> np.reshape(a, (3,-1))
+# the unspecified value is inferred to be 2
+array([[1, 2],
+ [3, 4],
+ [5, 6]])
+```

tree.md

@@ -111,4 +111,5 @@
  - [测试numpy.i的Typemaps](/reference/swig/testing)
 - NumPyAPI说明
  - [numpy.add](/generated/numpy.add)
- - [numpy.all](/generated/numpy.all)
+ - [numpy.all](/generated/numpy.all)
+ - [numpy.reshape](/generated/numpy.reshape)