numpy.array 的shape属性理解

import numpy as np

二维

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

print(y.shape) # 展示行数，列数
(2, 3)

print(y.shape[0]) # 展示行数
print(y.shape[1]) # 展示列数

三维

x = np.array([[[1,2,3],[4,5,6]],[[7,8,9],[0,1,2]],[[3,4,5],[6,7,8]]])

print(x)
[[[1 2 3]
[4 5 6]]

[[7 8 9]
[0 1 2]]

[[3 4 5]
[6 7 8]]]

print(x.shape) #展示降维度出来的低维度个数，行数，列数
(3, 2, 3)

print(x.shape[0]) # 降为出来的低维度个数
print(x.shape[1]) # 每个低维度数组的行数
print(x.shape[2]) # 每个低维度数组的列数

以看到x是一个包含了3个两行三列的二维数组的三维数组，x.shape[0]代表包含二维数组的个数，x.shape[1]表示二维数组的行数，x.shape[2]表示二维数组的列数。

可以看到，shape[0]表示最外围的数组的维数，shape[1]表示次外围的数组的维数，数字不断增大，维数由外到内。

numpy.array 的shape属性理解相关推荐

numpy数组array的shape属性-1维、2维···
numpy数组array的shape属性-1维.2维··· numpy 创建的数组都有一个shape属性,它是一个元组,返回各个维度的维数.有时候我们可能需要知道某一维的特定维数. 一维情况二维可 ...
python 三维数组，numpy中np.shape的理解
python 三维数组,numpy中np.shape的应用直接贴图对于shape函数一般表示输出数组的形状,对于二维数组就是输出行与列,对于三维数组,shape[0]表示三维数组中包含多少个二维数组 ...
numpy的Y.shape和Y.shape[0]的区别
numpy数组的shape属性返回数组的维度.如果Y有n行和m列,那么Y.shape是(n,m).所以Y.shape[0]是n. 所以假定 import numpy as np a=np.array ...
关于Numpy数组中属性shape的理解
关于Numpy数组中属性shape的理解概述:numpy数组都有着shape这一属性,怎么理解这一属性呢?看以下代码: # 关于numpy中shape参数的深刻理解 p1 = np.array([1 ...
Numpy 一维、二维数组、size/dtype/shape属性、数组函数arange/linspace/logspace /diag/zeros/ones/random 、多维数组索引和筛选）
参考: https://gitbook.cn/gitchat/column/undefined/topic/5e3bceadec8d9033cf924665 打开 IPython ,创建 Python ...
Python numpy库 shape属性和reshape()方法
shape是数组array的属性:reshape()是数组array的方法 shape属性可以获得当前array的形状: import numpy as npa = np.array([1, 2, 3 ...
numpy报ValueError: could not broadcast input array from shape
问题描述在使用numpy将list转为array的时候报错代码 a = np.array([[1,2],[3,4]]) b = np.array([[5,6,7],[8,9,10]]) c = [ ...
Python 数据分析三剑客之 NumPy（一）：理解 NumPy / 数组基础
CSDN 课程推荐:<Python 数据分析与挖掘>,讲师刘顺祥,浙江工商大学统计学硕士,数据分析师,曾担任唯品会大数据部担任数据分析师一职,负责支付环节的数据分析业务.曾与联想.亨氏.网 ...
基础 | numpy ndarray 之内功心法，理解高维操作！
多维数据的形象表示 import numpy as np # 一维数据不用赘言 data_1d = np.array([0, 1, 2, 3]) # 二维数据作为 m 行 n 列的表格,例如 2 行 ...

numpy.array 的shape属性理解

numpy.array 的shape属性理解相关推荐

最新文章

热门文章