Question

我注意到，对于排名为1的数组，其中3个元素为numpy返回（3，）形状。我知道这个元组代表了每个维度上数组的大小，但为什么不是它（3,1）？

import numpy as np

a = np.array([1, 2, 3])  # Create a rank 1 array
print a.shape            # Prints "(3,)"

b = np.array([[1,2,3],[4,5,6]])   # Create a rank 2 array
print b.shape                     # Prints "(2, 3)"

Answer 1

简而言之，这是因为它是一个 - 维数组（因此一个 - 元素形状元组）。也许以下内容有助于澄清问题：

>>> np.array([1, 2, 3]).shape
(3,)
>>> np.array([[1, 2, 3]]).shape
(1, 3)
>>> np.array([[1], [2], [3]]).shape
(3, 1)

我们甚至可以去三维（和更高）：

>>> np.array([[[1]], [[2]], [[3]]]).shape
(3, 1, 1)

Answer 2

你可以同样问，＆＃34;为什么形状不是(3,1,1,1,1,1,1)？毕竟，它们是等价的。

NumPy经常选择折叠单个维度，或者将它们视为可选，例如在broadcasting期间。这很有用，因为3向量具有完全相同数量的元素，并且在相同的相对方向上，与3x1x1x1x1x1矩阵相同。

对于np.array（[1,2,3]）为什么形状（3，）代替（3,1）？

2 个答案: