Monodyee

这个屌丝很懒，什么也没留下！

热门标签

Numpy中的shape函数的用法详解_numpy.shape

作者：Monodyee | 2024-03-23 06:29:47

踩

numpy.shape

shape函数的功能是读取矩阵的长度，比如shape[0]就是读取矩阵第一维度的长度,相当于行数。它的输入参数可以是一个整数表示维度，也可以是一个矩阵。shape函数返回的是一个元组，表示数组（矩阵）的维度，例子如下：

1. 数组（矩阵）只有一个维度时，shape只有shape[0]，返回的是该一维数组（矩阵）中元素的个数，通俗点说就是返回列数，因为一维数组只有一行，一维情况中array创建的可以看做list（或一维数组），创建时用（）和[ ]都可以，多维就不可以这样子了，这里使用[ ]，请看下例：

>>> a=np.array([1,2])

>>> a

array([1, 2])

>>> a.shape

(2L,)

>>> a.shape[0]

2L

>>> a.shape[1]

Traceback (most recent call last):

File "<pyshell#63>", line 1, in <module>

a.shape[1]

IndexError: tuple index out of range #最后报错是因为一维数组只有一个维度，可以用a.shape或a.shape[0]来访问

>>> a=np.array((1,2))

>>> a

array([1, 2]) #这个使用的是两个（）包裹，得到的数组和前面的一样

2.数组有两个维度（即行和列）时，和我们的逻辑思维一样，a.shape返回的元组表示该数组的行数与列数，请看下例：

>>> a=np.array([[1,2],[3,4]]) #注意二维数组要用（）和[]一起包裹起来，键入print a 会得到一个用2个[]包裹的数组（矩阵）

>>> a

array([[1, 2],

[3, 4]])

>>> a.shape

(2L, 2L)

>>> b=np.array([[1,2,3],[4,5,6]])

>>> b

array([[1, 2, 3],

[4, 5, 6]])

>>> b.shape

(2L, 3L)

3.当数组是三维时，要用一个（）和两个[]包裹起来，键入print a 会得到一个用3个[]包裹的数组（矩阵），请看下例：

>>> a=np.array([[[1,2],[3,4]]])

>>> a

array([[[1, 2],

[3, 4]]])

>>> a.shape

(1L, 2L, 2L)

这里返回的元组表示3个维度各包含的元素的个数。
所谓元素，在一维时就是元素的个数，二维时表示行数和列数，三维时a.shape【0】表示创建的块数，a.shape【1】和a.shape【2】表示每一块（每一块都是二维的）的行数和列数，举个例子：

>>> a=np.ones([2,2,3])#创建两个2行3列的数组（矩阵）

>>> a

array([[[ 1., 1., 1.],

[ 1., 1., 1.]],

[[ 1., 1., 1.],

[ 1., 1., 1.]]])

总结:使用np.array（）创建数组时，

一维的可以直接np.array（[1,2,3]）或者np.array((1,2,3))，输出（print）时是：

1 2	`>>>` `print` `a` `[1` `2` `3]`

外面有一个[]包裹；

二维的要使用np.array（[[1,2,3],[1,2,3]]),用一个（）和一个[]把要输入的list包裹起来，输出（print）时是

>>> print a

[[1 2 3]

[1 2 3]]

外面有两个[]包裹；

三维的要使用np.array（[[[1,2,3],[1,2,3]]]）,用一个（）和两个[]把要输入的list包裹起来，输出（print）时是

>>> print a

[[[1 2 3]

[1 2 3]]]

外面有三个[]包裹；

对于更高维的情况以后再研究

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/Monodyee/article/detail/293639