在numpy中x.shape [0]和x.shape有什么不同？

Question

numpy中x.shape [0]和x.shape有什么不同？我没有[0]的代码然后有一个错误：“TypeError：arange：期望的标量参数而不是元组。”但是当我添加[0]时，我的代码完全运行。

为什么我不能输入x.shape [1]或x.shape [1000]？

期待收到大家的答复，非常感谢!!

Answer 1

从错误消息中：

＆＃34; TypeError：arange：期望的标量参数而不是元组。＆＃34;

听起来我正在尝试使用现有数组的形状来使用np.arange定义新数组的形状。

你的问题是你不明白x.shape给你的是什么。

例如：

x = np.array([[1,2,3],[4,5,6]])
x.shape

产生（2,3），一个元组。如果我尝试仅使用x.shape在np.arange中定义一个参数，如下所示：

np.arange(x.shape)

我收到以下错误：

＆＃34; arange：预期的标量参数而不是元组。＆＃34;

原因是np.arange接受一个标量（它创建一个从0开始的数组，并且增加1到所提供的长度）或3个标量，它们定义了从何处开始和结束数组以及步长。你给它一个元组而不是它不喜欢。

所以当你这样做时：

np.arange(x.shape[0])

你给arange函数提供x.shape提供的元组中的第一个标量，并在我的例子中生成一个像[0,1]这样的数组，因为元组中的第一个索引是2。

如果我选择了

np.arange(x.shape[1])

我会得到一个类似[0,1,2]的数组，因为元组中的第二个索引是3。

如果我做了以下任何一项，

np.arange(x.shape[2])
np.arange(x.shape[1000])
np.arange(x.shape[300])

我会收到一个错误，因为x.shape创建的元组只有两个维度，所以不能将其编入任何超过0或1的索引。

希望有所帮助！