Question

我有两个numpy数组（A和B）。打印时它们看起来像这样：

答：

[array([0, 0, 0]) array([0, 0, 0]) array([1, 0, 0]) array([0, 0, 0])
 array([0, 0, 0]) array([0, 0, 0]) array([0, 0, 0]) array([0, 0, 0])
 array([0, 0, 0]) array([0, 0, 0]) array([0, 0, 1]) array([0, 0, 0])
 array([1, 0, 0]) array([0, 0, 1]) array([0, 0, 0]) array([0, 0, 0])
 array([0, 0, 0]) array([1, 0, 0]) array([0, 0, 1]) array([0, 0, 0])]

B：

[[  4.302135e-01   4.320091e-01   4.302135e-01   4.302135e-01
    1.172584e+08]
 [  4.097128e-01   4.097128e-01   4.077675e-01   4.077675e-01
    4.397120e+07]
 [  3.796353e-01   3.796353e-01   3.778396e-01   3.778396e-01
    2.643200e+07]
 [  3.871173e-01   3.890626e-01   3.871173e-01   3.871173e-01
    2.161040e+07]
 [  3.984899e-01   4.002856e-01   3.984899e-01   3.984899e-01
    1.836240e+07]
 [  4.227315e-01   4.246768e-01   4.227315e-01   4.227315e-01
    1.215760e+07]
 [  4.433817e-01   4.451774e-01   4.433817e-01   4.433817e-01
    9.340800e+06]
 [  4.620867e-01   4.638823e-01   4.620867e-01   4.620867e-01
    1.173760e+07]]

type(A)，type(A[0])，type(B)，type(B[0])都是<class 'numpy.ndarray'>。

但是，A.shape为(20,)，而B.shape为(8, 5)。

问题1：为什么A.shape是一维的，如何将其设为二维，如B.shape？它们都是数组的数组，对吧？

问题2，可能与Q1相关：为什么打印A显示array()的调用，而打印B没有，以及为什么打印子元素的元素？ B之间没有逗号吗？

提前致谢。

Answer 1

A.dtype为O，对象，B.dtype为float。

A是一个包含对象的1d数组，这些对象恰好是数组。它们也可以是列表或“无”。

B是一个2d浮点数组。索引一行B会得到一个1d数组。

所以A[0]和B[0]似乎可以产生相同的结果，但选择过程是不同的。

尝试np.concatenate(A)或np.vstack(A)。然后，这两个都将A视为数组列表，并在1或2d中加入它们。

经常会将对象数组转换为常规数据。

Converting a 3D List to a 3D NumPy array 比你需要的更为通用，但提供了许多有用的信息。

也

Convert a numpy array of lists to a numpy array

==================

In [28]: A=np.empty((5,),object)
In [31]: A
Out[31]: array([None, None, None, None, None], dtype=object)
In [32]: for i in range(5):A[i]=np.zeros((3,),int)
In [33]: A
Out[33]: 
array([array([0, 0, 0]), array([0, 0, 0]), array([0, 0, 0]),
       array([0, 0, 0]), array([0, 0, 0])], dtype=object)
In [34]: print(A)
[array([0, 0, 0]) array([0, 0, 0]) array([0, 0, 0]) array([0, 0, 0])
 array([0, 0, 0])]
In [35]: np.vstack(A)
Out[35]: 
array([[0, 0, 0],
       [0, 0, 0],
       [0, 0, 0],
       [0, 0, 0],
       [0, 0, 0]])

Numpy阵列的numpy数组有1D形状

1 个答案: