Question

有什么区别：

import numpy as np
A = np.zeros((3,))

和

import numpy as np
B = np.zeros((1,3))

感谢您的回答！

Answer 1

希望这些能说明实践中的差异。

>>> A = np.zeros((3,))
>>> B = np.zeros((1,3))
>>> A #no column, just 1D
array([ 0.,  0.,  0.])
>>> B #has one column
array([[ 0.,  0.,  0.]])
>>> A.shape
(3,)
>>> B.shape
(1, 3)
>>> A[1]
0.0
>>> B[1] #can't do this, it will take the 2nd column, but there is only one column.

Traceback (most recent call last):
  File "<pyshell#89>", line 1, in <module>
    B[1]
IndexError: index 1 is out of bounds for axis 0 with size 1
>>> B[0] #But you can take the 1st column
array([ 0.,  0.,  0.])
>>> B[:,1] #take the 2nd cell, for each column
array([ 0.])
>>> B[0,1] #how to get the same result as A[1]? take the 2nd cell of the 1st col.
0.0

Answer 2

第一个创建1D numpy.array零：

>>> import numpy as np
>>> A = np.zeros((3,))
>>> A
array([ 0.,  0.,  0.])
>>> A[0]
0.0
>>>

第二个创建一个包含零的1行和3列的2D numpy.array：

>>> import numpy as np
>>> B = np.zeros((1,3))
>>> B
array([[ 0.,  0.,  0.]])
>>> B[0]
array([ 0.,  0.,  0.])
>>>

如果您需要更多详细信息，请参阅numpy.zeros以及numpy.array上的参考文献。

Answer 3

A是一个包含三个元素的一维数组。

B是一个二维数组，有一行三列。

你也可以使用C = np.zeros((3,1))来创建一个包含三行一列的二维数组。

A，B和C具有相同的元素 - 不同之处在于它们将在以后的调用中如何解释。例如，一些numpy调用在特定维度上运行，或者可以被告知在特定维度上运行。例如总和：

>> np.sum(A, 0)
   3.0
>> np.sum(B, 0)
   array([ 1., 1., 1.])

它们与矩阵/张量操作（如dot）以及hstack和vstack等操作也有不同的行为。

如果您要使用的是矢量，表单A通常会按照您的意愿执行。额外的“单身”尺寸（即尺寸为1的尺寸）只是你必须追踪的额外缺点。但是，如果需要与2d数组进行交互，则可能需要区分行向量和列向量。在这种情况下，表格B和C将很有用。

关于Python中的NumPy数组

3 个答案: