Question

我仍然是scikit-learn和numpy的新手。我阅读了教程，但我无法理解他们如何定义数组维度。

在以下示例中：

>>> import numpy as np
>>> a = np.arange(15).reshape(3, 5)
>>> a
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])
>>> a.shape
(3, 5)
>>> a.ndim
2

数组每行有五个变量，所以我希望它有5个维度。

为什么a.ndim等于2？

Answer 1

Dimension表示a.shape元组的长度。 ndarray的形状是（3,5），因为它有3行和5列。这正是你试图找到的，不是吗？

Answer 2

我误认为Frame和Array，数组是通过如何查找数字，查找数字的步数来判断的，在这种情况下，您需要找到该行然后找到该行。但在Frame中，对于一个实例，此实例拥有一行，并且其中的所有行描述了其属性，或称为变量或维度以定义实例。在Frame中，您可以使用二维数组来定义多维实例。 Array 1 4 5 2 3 6 所以你会找到这个数字的两个步骤，就像你可以找到[] []来找到但在框架中 Length Height Weight 1 23 34 56 2 89 87 63 这是一个框架，实际上是一个三维“数组”，但它不是一个数组。

Answer 3

鉴于你正在使用scikit学习，我将在机器学习的背景下解释这一点，因为它可能更有意义......

你的特征矩阵（我假设你在这里所说的）通常是二维的（因此为什么ndim = 2），因为你有行（占据一维）和列（占据第二个维度）

在机器学习案例中，我通常将行视为样本，将列视为特征。

但请注意，每个维度可以包含多个条目（例如，您将拥有多个样本/行和多个列/要素）。这会告诉您该维度的大小。

所以在你的情况下：

>>> a
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])
>>> a.shape
(3, 5)
>>> a.ndim
2

您有一个长度/大小为3的维度。第二个维度有5个条目。例如，您可以将其视为包含3个样本和5个特征/变量的特征矩阵。

总而言之，您有2个维度（ndim = 2），但数组的特定大小由形状元组表示，它告诉您每个维度的大小。

此外，(3,5,2)将是具有3维的矩阵，其中第3维具有2个值

我认为这里的关键，至少在二维情况下，是不要把它想象成嵌套列表或嵌套向量（当你考虑[]时它就是这样）但只是想想它作为一个包含行和列的表。当您想到数据结构时，shape元组和ndim会更有意义

什么＆＃34;维度＆＃34;对于一个numpy数组意味着什么？

3 个答案: