numpy ndarray形状有什么作用？

Question

我对.shape函数有一个简单的问题，这让我很困惑。

a = np.array([1, 2, 3])   # Create a rank 1 array
print(type(a))            # Prints "<class 'numpy.ndarray'>"
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)"

.shape究竟做了什么？计算多少行，多少列， 然后a.shape假设是，（1,3），一行三列，对吗？

Answer 1

yourarray.shape或np.shape()或np.ma.shape()会将您的ndarray的形状作为元组返回;您可以使用yourarray.ndim或np.ndim()来获取数组的维度。

对于 1D 数组，形状为(n,)，其中n是数组中元素的数量。

对于 2D 数组，形状为(n,m)，其中n是行数，m是数组中的列数。

请注意，在 1D 的情况下，形状只是(n, )，而不是您对行和列向量的(1, n)或(n, 1)所说的内容分别

这是遵循以下惯例：

对于1D数组，返回仅带 1 元素的形状元组（即(n,)）
对于2D数组，仅返回 2个元素的形状元组（即(n,m)）
对于3D阵列，仅返回 3 元素（即(n,m,k)）的形状元组 对于4D数组，返回仅包含 4 元素的形状元组（即(n,m,k,j)）

等等。

另外，请参阅下面的示例，了解np.shape()或np.ma.shape()与 1D 数组和标量符号的关系：

# sample array
In [10]: u = np.arange(10)

# get its shape
In [11]: np.shape(u)    # u.shape
Out[11]: (10,)

# get array dimension using `np.ndim`
In [12]: np.ndim(u)
Out[12]: 1

In [13]: np.shape(np.mean(u))
Out[13]: ()       # empty tuple (to indicate that a scalar is a 0D array).

# check using `numpy.ndim`
In [14]: np.ndim(np.mean(u))
Out[14]: 0

P.S。：所以，形状元组与我们对空间维度的理解一致，至少在数学上是这样。

Answer 2

与其最受欢迎的商业竞争对手不同，numpy几乎从一开始就是关于＆＃34;任意维度＆＃34;数组，这就是核心类被称为ndarray的原因。您可以使用.ndim属性检查numpy数组的维度。 .shape属性是一个长度为.ndim的元组，包含每个维度的长度。目前，numpy最多可以处理32个维度：

a = np.ones(32*(1,))
a
# array([[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[[ 1.]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]])
a.shape
# (1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1)
a.ndim
# 32

如果numpy数组碰巧像你的第二个例子那样是2d，那么就行和列来考虑它是合适的。但numpy中的1d数组确实是1d，没有行或列。

如果你想要一个像行或列向量的东西你可以通过创建一个维度等于1的二维数组来实现这一点。

a = np.array([[1,2,3]]) # a 'row vector'
b = np.array([[1],[2],[3]]) # a 'column vector'
# or if you don't want to type so many brackets:
b = np.array([[1,2,3]]).T

Answer 3

.shape（）根据数组中的元素数量，行数/列数给出数组的实际形状。 您得到的答案是以元组的形式。

例如： 一维阵列：

d=np.array([1,2,3,4])
print(d)
d

输出：（4，） 即数字4表示一维数组中的元素数。

2D阵列：

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

输出：（2,3），即行数和列数。

最终输出中的元素数取决于Array中的行数。...它会逐渐增加。

Answer 4

array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])