Question

为什么程序

import numpy as np

c = np.array([1,2])
print(c.shape)
d = np.array([[1],[2]]).transpose()
print(d.shape)

给

(2,)
(1,2)

作为输出？不应该是

(1,2)
(1,2)

代替？我在python 2.7.3和python 3.2.3

中得到了这个

Answer 1

当您调用.shape的{{1}}属性时，您会得到一个元组，其元素与数组的维度一样多。长度（即行数）是第一个维度（ndarray）

您从数组开始：shape[0]。这是一个普通的1D数组，因此它的形状将是1个元素的元组，c=np.array([1,2])是元素的数量，因此shape[0]
考虑c.shape = (2,)。这是一个2D阵列，有1行。第一行也是唯一一行是c=np.array([[1,2]])，它为我们提供了两列。因此，[1,2]和c.shape=(1,2)
考虑len(c)=1。另一个2D数组，包含2行，1列：c=np.array([[1,],[2,]])和c.shape=(2,1)。
考虑len(c)=2：此数组与d=np.array([[1,],[2,]]).transpose()相同，因此其形状为np.array([[1,2]])。

另一个有用的属性是(1,2)：这是所有维度中元素的数量，而您拥有数组.size c。

有关documentation中的形状的更多信息。

Answer 2

len(c.shape)是数组的“深度”。

对于c，数组只是一个列表（向量），深度为1 对于d，数组是列表列表，深度为2。

注意：

c.transpose()
# array([1, 2])

不是d，所以这种行为并不矛盾。

dt = d.transpose()
# array([[1],
#        [2]])
dt.shape # (2,1)

Answer 3

快速修复：检查.ndim属性 - 如果是2，则.shape属性将按预期工作。

原因原因：如果.ndim属性为2，则numpy会报告与约定一致的形状值。如果.ndim属性为1，那么numpy只会以不同的方式报告形状。

更多说话：当您传递np.array列表时，.shape属性将符合矩阵维度的标准概念:(行，列）。

如果你传递np.array只是一个列表，那么numpy并不认为它有一个矩阵，并以不同的方式报告形状。

问题是：numpy认为它有一个矩阵，还是认为它有其他东西。

Answer 4

transpose不会更改数组的维数。如果c.ndim == 1，c.transpose() == c。尝试：

c = np.array([1,2])
print c.shape
print c.T.shape
c = np.atleast_2d(c)
print c.shape
print c.T.shape