Numpy数组维度

Posted 2021-03-27

我目前正在尝试学习Numpy和Python。给出以下数组：

import numpy as np
a = np.array([[1,2],[1,2]])

是否有一个函数返回a的维度（例如，a是2乘2的数组）？

size()返回4，这没有多大帮助。

答案

这是.shape：

ndarray.shape 数组维度的元组。

从而：

>>> a.shape
(2, 2)

另一答案

第一：

按照惯例，在Python世界中，numpy的快捷方式是np，因此：

In [1]: import numpy as np

In [2]: a = np.array([[1,2],[3,4]])

第二：

在Numpy中，尺寸，轴/轴，形状是相关的，有时是相似的概念：

dimension

在数学/物理学中，维度或维度被非正式地定义为指定空间中任何点所需的最小坐标数。但是在Numpy中，根据numpy doc，它与轴/轴相同：

在Numpy中，尺寸称为轴。轴数是等级。

In [3]: a.ndim  # num of dimensions/axes, *Mathematics definition of dimension*
Out[3]: 2

axis/axes

第n个坐标指向Numpy中的array。多维数组每个轴可以有一个索引。

In [4]: a[1,0]  # to index `a`, we specific 1 at the first axis and 0 at the second axis.
Out[4]: 3  # which results in 3 (locate at the row 1 and column 0, 0-based index)

shape

描述沿每个可用轴的数据（或范围）。

In [5]: a.shape
Out[5]: (2, 2)  # both the first and second axis have 2 (columns/rows/pages/blocks/...) data

另一答案

import numpy as np   
>>> np.shape(a)
(2,2)

如果输入不是numpy数组而是列表列表，也可以工作

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

或元组元组

>>> a = ((1,2),(1,2))
>>> np.shape(a)
(2,2)

另一答案

你可以使用.shape

In: a = np.array([[1,2,3],[4,5,6]])
In: a.shape
Out: (2, 3)
In: a.shape[0] # x axis
Out: 2
In: a.shape[1] # y axis
Out: 3

另一答案

您可以使用.ndim维度和.shape来了解确切的维度

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

var.ndim
# displays 2

var.shape
# display 6, 2

您可以使用.reshape函数更改尺寸

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

var.ndim
#display 2

var.shape
#display 3, 4

另一答案

shape方法要求a是Numpy ndarray。但是Numpy也可以计算纯python对象的可迭代形状：

np.shape([[1,2],[1,2]])

另一答案

使用numpy数组的.shape属性。使用.shape [i]直接访问每个维度。

例如，如果你写：

a = np.array([[11,12],[21,22],[31,32]])
print(a)
print("Shape: " + str(a.shape))
print("Shape (raws): " + str(a.shape[0]))
print("Shape (columns): " + str(a.shape[1]))

你会得到：

[[11 12]
 [21 22]
 [31 32]]
Shape: (3, 2)
Shape (raws): 3
Shape (columns): 2