Question

我是numpy的新手，我很难理解阵列的形状是如何决定的。形式的数组

[[[5, 10, 15], [20, 25, 30], [35, 40, 45]], [1,2,4,3]]

的形状为（2，），而其中一种形式为

[[[5, 10, 15], [20, 25, 30], [35, 40, 45]], [1,2,4]]

具有（2,3）的形状。而且，

[[[5, 10, 15], [20, 25, 30], [35, 40, 45]], [[1,2,4], [3,4,2]]]

的形状为（2，），但添加另一个矢量为

[[[5, 10, 15], [20, 25, 30], [35, 40, 45]], [[1,2,4], [3,4,2], [1,2,4]]]

将形状更改为（2,3,3）。直觉上，我觉得所有阵列都应该是三维的。谁能帮我理解究竟发生了什么？

Answer 1

基本思想是np.array尝试创建尽可能高的维数组。当子列表具有匹配的元素数量时，结果很容易看到。当他们混合不同长度的列表时，结果可能会令人困惑。

在第一种情况下，你有2个子列表，一个长度为3，另一个长度为4.因此它生成一个2元素对象数组，并且不会尝试解析第一个子列表的子列表

In [1]: arr = np.array([[[5, 10, 15], [20, 25, 30], [35, 40, 45]], [1,2,4,3]])
In [2]: arr
Out[2]: array([[[5, 10, 15], [20, 25, 30], [35, 40, 45]], 
               [1, 2, 4, 3]
              ], dtype=object)   # adjusted format
In [3]: arr.dtype
Out[3]: dtype('O')
In [4]: arr.shape
Out[4]: (2,)
In [5]: arr[0]
Out[5]: [[5, 10, 15], [20, 25, 30], [35, 40, 45]] # 3 element list of lists
In [6]: arr[1]
Out[6]: [1, 2, 4, 3]  # 4 element list of numbers

在第二种情况下，您有两个长度为3的子列表。因此它生成一个2x3阵列。但是一个子列表包含列表，其他数字 - 所以结果又是对象数组：

In [7]: arr = np.array([[[5, 10, 15], [20, 25, 30], [35, 40, 45]], [1,2,4]] )
In [8]: arr
Out[8]: 
array([[[5, 10, 15], [20, 25, 30], [35, 40, 45]],
       [1, 2, 4]
      ], dtype=object)
In [9]: arr.shape
Out[9]: (2, 3)
In [10]: arr[0,0]
Out[10]: [5, 10, 15]

最后，有2个列表，每个列表包含3个元素，每个元素也是3个元素列表 - 一个3d数组。

In [11]: arr = np.array([[[5, 10, 15], [20, 25, 30], [35, 40, 45]], [[1,2,4], [3,4,2], [1,2,4]]] )
In [12]: arr
Out[12]: 
array([[[ 5, 10, 15],
        [20, 25, 30],
        [35, 40, 45]],

       [[ 1,  2,  4],
        [ 3,  4,  2],
        [ 1,  2,  4]]])
In [13]: arr.shape
Out[13]: (2, 3, 3)

还有一些子列表长度混合可能引发错误。

一般情况下，不要随意混合不同大小和内容类型的子列表。当给定列表产生一个漂亮的多维数组时，np.array的行为最为可预测。混合列表长度会导致混淆。

更新了numpy：

In [1]: np.__version__
Out[1]: '1.13.1'
In [2]: np.array([[[5, 10, 15], [20, 25, 30], [35, 40, 45]], [1,2,4,3]])
Out[2]: array([list([[5, 10, 15], [20, 25, 30], [35, 40, 45]]), list([1, 2, 4, 3])], dtype=object)

In [3]: np.array([[[5, 10, 15], [20, 25, 30], [35, 40, 45]], [1,2,4]] )
Out[3]: 
array([[list([5, 10, 15]), list([20, 25, 30]), list([35, 40, 45])],
       [1, 2, 4]], dtype=object)

现在识别list元素

这最后一个例子仍然是（2,3）对象数组。因此，这6个元素中的每一个都可以是不同的Python类型，例如：

In [11]: np.array([[[5, 10, 15], np.array([20, 25, 30]), (35, 40, 45)], [None,2,'astr']] )
Out[11]: 
array([[list([5, 10, 15]), array([20, 25, 30]), (35, 40, 45)],
       [None, 2, 'astr']], dtype=object)
In [12]: [type(x) for x in _.flat]
Out[12]: [list, numpy.ndarray, tuple, NoneType, int, str]

了解ndarray形状

1 个答案: