Question

当提供3个参数时，我对ndarray的形状感到困惑：

例如，有什么区别：

np.zeros((2, 1, 3))
array([[[ 0.,  0.,  0.]],

       [[ 0.,  0.,  0.]]])

和：

np.zeros((1, 2, 3))
array([[[ 0.,  0.,  0.],
        [ 0.,  0.,  0.]]])

在我看来，它们都代表2 * 3矩阵。

Answer 1

不，形状不同，你必须注意方括号：

>>> np.zeros((2, 1, 3))
array([[[ 0.,  0.,  0.]],

       [[ 0.,  0.,  0.]]])

与

>>> np.zeros((1, 2, 3))
array([[[ 0.,  0.,  0.],
        [ 0.,  0.,  0.]]])

正如你所看到的，在第一次调用中，我们有两次方括号用于第二个维度，而在后者中，我们只有一个这样的对。

形状也不同：

>>> np.zeros((2, 1, 3)).shape
(2, 1, 3)
>>> np.zeros((1, 2, 3)).shape
(1, 2, 3)

所以在前者中我们有一个包含两个子列表的列表。这些子列表中的每一个都包含一个元素：三个元素的列表。在后者中，我们有一个包含一个元素的列表：一个包含两个元素的子列表，这两个元素是包含三个元素的列表。

所以 vanilla Python 列表等价物是：

[ [ [0, 0, 0] ], [ [0, 0, 0] ] ]

与

[ [ [0, 0, 0], [0, 0, 0] ] ]

Answer 2

dim = 1只是一个愚蠢的维度，你总是可以将2x3的矩阵视为1x2x3的张量。

然而，它们在技术上并不是一回事。因此，您可以看到2输出中的括号[]不完全相同，dumb维度的[]位置不在同一位置。

要删除哑尺寸，请使用

arr = np.squeeze(arr)

Answer 3

根据numpy.zeros documentation，第一个参数是表示数组形状的序列或int。

如果仔细观察，嵌套的方括号与您构建的形状不一致。

这个例子可能会更清楚：

np.zeros((2, 3, 4))

array([[[ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.]],

       [[ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.]]])

Numpy ndarray形状有3个参数

3 个答案: