对numpy中shape的深入理解

2023-09-11 12:09:06 75

环境：Windows，Python2.7

一维情况：

>>>importnumpyasnp
>>>a=np.array([2,3,33])
>>>a
array([2333])
>>>printa
[2333]
>>>a.shape
(3,)

一维情况中array创建的可以看做list（或一维数组），创建时用（）和[]都可以，多维也一样，两种方法创建后的输出显示结果也相同，这里使用[]进行创建

输出a的shape会显示一个参数，就是这个list中元素个数

创建时也可以直接使用np.zeros([1])，这样会创建全0的list，或者np.ones([1])，不需要我们输入数据，见下图：

>>>a=np.zeros([1])
>>>b=np.ones([1])
>>>printa
[0.]
>>>printb
[1.]

二维情况：

>>>a=np.array([[2,2,2],[3,3,3]])
>>>printa
[[222]
[333]]
>>>a.shape
(2,3)

二维情况中array创建的可以看做二维数组（矩阵），注意创建时需要使用2个[]，输出a的shape显示的（2,3）相当于有2行，每行3个数，使用np.ones创建结果如下：

>>>a=np.ones([2,3])>>>printa[[1.1.1.][1.1.1.]]

多维情况：

多维情况统一使用np.ones进行创建，先看三维情况：

>>>a=np.ones([1,1,1])
>>>printa
[[[1.]]]
>>>a=np.ones([1,1,2])
>>>printa
[[[1.1.]]]
>>>a=np.ones([1,2,1])
>>>printa
[[[1.]
[1.]]]
>>>a=np.ones([2,1,1])
>>>printa
[[[1.]]

[[1.]]]

从上面的代码可以看出，三维情况创建时后面2个参数可以看做是创建二维数组，第1个参数看做创建的二维数组的个数，所以创建时输入的参数为2,3,2时，就相当于创建了2个3行2列的二维数组，如下：

>>>a=np.ones([2,3,2])
>>>printa
[[[1.1.]
[1.1.]
[1.1.]]

[[1.1.]
[1.1.]
[1.1.]]]

然后看四维情况：

>>>a=np.ones([1,1,1,1])
>>>printa
[[[[1.]]]]
>>>a=np.ones([1,1,1,2])
>>>printa
[[[[1.1.]]]]
>>>a=np.ones([1,1,2,1])
>>>printa
[[[[1.]
[1.]]]]
>>>a=np.ones([1,2,1,1])
>>>printa
[[[[1.]]

[[1.]]]]
>>>a=np.ones([2,1,1,1])
>>>printa
[[[[1.]]]


[[[1.]]]]

从上面代码可以看出：四维时将第一个参数设置为2和第二个参数设置为2时，输出结果中间的空行数量不同，我把它理解成先创建1行1列的二维数组[[1.]]，然后按照第2个参数打包这样的二维数组，如果第二个参数是2，则打包2个2维数组变成[[[1.]]，[[1.]]]（小包），然后按照第1个参数再打包这样的包，如果第一个参数是2，则变成[[[[1.]],[[1.]]],[[[1.]],[[1.]]]]（大包），就是下面的结果：

>>>a=np.ones([2,2,1,1])
>>>printa
[[[[1.]]

[[1.]]]


[[[1.]]

[[1.]]]]

四维以上的结果也是这么理解~输出中区分参数用空行~

然后来看一下特定输出：

>>>importnumpyasnp
>>>m=np.ones([2,3,2,3])
>>>printm
[[[[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.]]
[[1.1.1.]
[1.1.1.]]]]
>>>printm[1,:,:,:]
[[[1.1.1.]
[1.1.1.]]
[[1.1.1.]
[1.1.1.]]
[[1.1.1.]
[1.1.1.]]]
>>>printm[:,1,:,:]
[[[1.1.1.]
[1.1.1.]]
[[1.1.1.]
[1.1.1.]]]
>>>printm[:,:,1,:]
[[[1.1.1.]
[1.1.1.]
[1.1.1.]]
[[1.1.1.]
[1.1.1.]
[1.1.1.]]]
>>>printm[:,:,:,1]
[[[1.1.]
[1.1.]
[1.1.]]
[[1.1.]
[1.1.]
[1.1.]]]

前面printm很好理解~

然后printm[1,：,：,：]，：代表默认值（就是一开始你输入时指定的值），这句代码相当于输出2个包中的第1个包（从0开始计数），这个包里面有3个小包，小包里面是2*3的二维数组，所以结果就是上面的~

然后printm[：,1,：,：]，相当于输出2个大包，每个大包输出第1个小包，小包里面是2*3的二维数组

然后printm[：,：,1,：]，相当于输出2个大包，每个大包输出3个小包，小包里面是二维数组的第1行

然后printm[：,：,：,1]，相当于输出2个大包，每个大包输出3个小包，小包里面是1*2的二维数组

其他结果可以自己去试试~

总结：采用np.array()创建时需要几个维度就要用几个[]括起来，这种创建方式要给定数据；采用np.ones()或np.zeros()创建分别产生全1或全0的数据，用a.shape会输出你创建时的输入，创建时输入了几个维度输出就会用几个[]括起来，shape的返回值是一个元组，里面每个数字表示每一维的长度

以上这篇对numpy中shape的深入理解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。

对numpy中shape的深入理解

热门推荐

随机推荐