Question

一个例子：

    >>> import numpy as np    
    >>> list = [1,2,3,4]
    >>> array = np.asarray(list)
    >>> np.shape(array)
    (4,)

现在说我想处理一个通用数组并分别将行数和列数读入变量m和n，我会这样做：

>>> m, n = np.shape(array)

但这会导致错误：

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: need more than 1 value to unpack

以上例子。在我上面的例子中，我认为m=1和n = 4将是一个合适的结果。我错过了什么？

Answer 1

你的数组有ndim = 1，这意味着len(array.shape)==1。因此，您无法解压缩shape元组，就像它的长度== 2一样。

要将数组“拉伸”为2dim（如果当前数量较少），请使用np.atleast_2d。

>>> x = np.arange(3.0)
>>> y = np.atleast_2d(x)
>>> y
array([[ 0.,  1.,  2.]])
>>> m, n = y.shape

BTW，list和array不是python中变量的好名字。

Answer 2

你告诉我们：

>>> np.shape(array)
    (4,)

也就是说，它是一个元素元组。

m, n = (4,)

产生相同的错误。元组中有一个元素，因此Python只能将其解压缩为1个变量。这不是numpy问题。在进行这种解包时，变量的数量必须与元组（或列表）中的术语数相匹配。

如果您来自MATLAB，您可能希望所有阵列都是2d或更大。但是在numpy中，数组可以是1d甚至0d（形状为()）。确保您的数组包含2个维度有多种方法：reshape，额外[]，[None,...]，np.atleast_2d。

Answer 3

这是因为numpy将此数组处理为1D array而np.shape返回此1D array的形状值，这是一个tuple，只有一个元素。
因此，我们可以将其更改为2D array并添加[]，如[[1,2,3,4]]。

您可以执行以下操作：

import numpy as np    

list = [[1,2,3,4]]
array = np.asarray(list)
print np.shape(array)
m, n = np.shape(array)
print m,n

<强>输出：

(1, 4)
1 4

或者你也可以这样做：

import numpy as np    

list = [1,2,3,4]
list = [list]
array = np.asarray(list)
print np.shape(array)
m, n = np.shape(array)
print m,n

<强>输出：

(1, 4)
1 4

我希望，这有帮助。

是的，你应该避免在Python中使用名称list和array作为变量名。