个人中心
文章发布
退出
作者热门文章
- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
29
4
CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.
这篇CFSDN的博客文章对numpy中shape的深入理解由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.
环境：Windows， Python2.7 。
一维情况:
|
1
2
3
4
5
6
7
8
|
<span style
=
"font-size:14px;"
>>>>
import
numpy as np
>>> a
=
np.array([
2
,
3
,
33
])
>>> a
array([
2
3
33
])
>>>
print
a
[
2
3
33
]
>>> a.shape
(
3
, )<
/
span>
|
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:
|
1
2
3
4
5
6
|
<span style
=
"font-size:14px;"
>>>> a
=
np.zeros([
1
])
>>> b
=
np.ones([
1
])
>>>
print
a
[
0.
]
>>>
print
b
[
1.
]<
/
span>
|
二维情况:
|
1
2
3
4
5
6
|
<span style
=
"font-size:14px;"
>>>> a
=
np.array([[
2
,
2
,
2
],[
3
,
3
,
3
]])
>>>
print
a
[[
2
2
2
]
[
3
3
3
]]
>>> a.shape
(
2
,
3
)<
/
span>
|
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:
<span style="font-size:14px;">>>> a = np.ones([2, 3]) >>> print a [[ 1. 1. 1. ] [ 1. 1. 1. ]]</span> 。
多维情况:
多维情况统一使用np.ones进行创建，先看三维情况:
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
<span style
=
"font-size:14px;"
>>>> a
=
np.ones([
1
,
1
,
1
])
>>>
print
a
[[[
1.
]]]
>>> a
=
np.ones([
1
,
1
,
2
])
>>>
print
a
[[[
1.
1.
]]]
>>> a
=
np.ones([
1
,
2
,
1
])
>>>
print
a
[[[
1.
]
[
1.
]]]
>>> a
=
np.ones([
2
,
1
,
1
])
>>>
print
a
[[[
1.
]]
[[
1.
]]]<
/
span>
|
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:
|
1
2
3
4
5
6
7
8
9
|
<span style
=
"font-size:14px;"
>>>> a
=
np.ones([
2
,
3
,
2
])
>>>
print
a
[[[
1.
1.
]
[
1.
1.
]
[
1.
1.
]]
[[
1.
1.
]
[
1.
1.
]
[
1.
1.
]]]<
/
span>
|
然后看四维情况:
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
<span style
=
"font-size:14px;"
>>>> a
=
np.ones([
1
,
1
,
1
,
1
])
>>>
print
a
[[[[
1.
]]]]
>>> a
=
np.ones([
1
,
1
,
1
,
2
])
>>>
print
a
[[[[
1.
1.
]]]]
>>> a
=
np.ones([
1
,
1
,
2
,
1
])
>>>
print
a
[[[[
1.
]
[
1.
]]]]
>>> a
=
np.ones([
1
,
2
,
1
,
1
])
>>>
print
a
[[[[
1.
]]
[[
1.
]]]]
>>> a
=
np.ones([
2
,
1
,
1
,
1
])
>>>
print
a
[[[[
1.
]]]
[[[
1.
]]]]<
/
span>
|
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:
|
1
2
3
4
5
6
7
8
9
10
|
<span style
=
"font-size:14px;"
>>>> a
=
np.ones([
2
,
2
,
1
,
1
])
>>>
print
a
[[[[
1.
]]
[[
1.
]]]
[[[
1.
]]
[[
1.
]]]]<
/
span>
|
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:
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
|
>>>
import
numpy as np
>>> m
=
np.ones([
2
,
3
,
2
,
3
])
>>>
print
m
[[[[
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.
]]]]
>>>
print
m[
1
,:,:,:]
[[[
1.
1.
1.
]
[
1.
1.
1.
]]
[[
1.
1.
1.
]
[
1.
1.
1.
]]
[[
1.
1.
1.
]
[
1.
1.
1.
]]]
>>>
print
m[:,
1
,:,:]
[[[
1.
1.
1.
]
[
1.
1.
1.
]]
[[
1.
1.
1.
]
[
1.
1.
1.
]]]
>>>
print
m[:,:,
1
,:]
[[[
1.
1.
1.
]
[
1.
1.
1.
]
[
1.
1.
1.
]]
[[
1.
1.
1.
]
[
1.
1.
1.
]
[
1.
1.
1.
]]]
>>>
print
m[:,:,:,
1
]
[[[
1.
1.
]
[
1.
1.
]
[
1.
1.
]]
[[
1.
1.
]
[
1.
1.
]
[
1.
1.
]]]
|
前面print m很好理解~ 。
然后print m[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print m[：,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print m[：,：,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print m[：,：,：,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我.
原文链接：https://blog.csdn.net/by_study/article/details/67633593 。
最后此篇关于对numpy中shape的深入理解的文章就讲到这里了,如果你想了解更多关于对numpy中shape的深入理解的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。
29
4
0
您好，我很确定我的问题很愚蠢，但我无法弄清楚它对我的生活有何影响。我有这个家庭作业，它基本上是为了加强我们在类里面学到的关于多态性的知识(顺便说一下，这是 C++)。该程序的基础是一个名为 shape
我是新手，所以需要任何帮助，当我要求一个例子时，我的教授给我了这段代码，我希望有一个工作模型...... from numpy import loadtxt import numpy as np fr
CSS 形状边距 和 外型不适用于我的系统。我正在使用最新版本的 Chrome。我唯一能想到的是我的操作系统是 Windows 7。这应该是一个问题吗？ 这是JSFiddle .但是，由于在您的系统上
#tf.shape(tensor)和tensor.shape()的区别 ?
我要求提示以下问题。如何从事件表添加到指定的单元格形状？当我知道名称但不知道如何为...中的每个形状实现论坛时，我可以添加形状 目前我有这样的事情: Sub loop() Dim a As Integ
我在 Excel 中有一个流程设计(使用形状、连接器等)。 我需要的是有一个矩阵，每个形状都有所有的前辈和所有的后继者。 在 VBA 中，为此我正在尝试执行以下操作: - 我列出了所有的连接器(Sha
我正在使用 JavaFX 编写一个教育应用程序，用户可以在其中绘制和操作贝塞尔曲线 Line、QuadCurve 和 CubicCurve。这些曲线应该能够用鼠标拖动。我有两种选择: 1- 使用类 L
我正在尝试绘制 pandas 系列中列的直方图 ('df_plot')。因为我希望 y 轴是百分比(而不是计数)，所以我使用权重选项来实现这一点。正如您在下面的堆栈跟踪中发现的那样，权重数组和数据系列
我尝试在 opencv dnn 中实现一个 tensorflow 模型。这是我遇到的错误: OpenCV: Can't create layer "flatten_1/Shape" of type "
我目前正在用 Java 开发一款游戏，我一直在尝试弄清楚如何在 Canvas 上绘制一个形状(例如圆形)，在不同的形状(例如正方形)之上，但是只绘制与正方形相交的圆的部分，类似于 Photoshop
import cv2 import numpy as np import sys import time import os cap = cv2.VideoCa
我已经成功创建了 Keras 序列模型并对其进行了一段时间的训练。现在我试图做出一些预测，但即使使用与训练阶段相同的数据，它也会失败。 我收到此错误:{ValueError}检查输入时出错:预期 em
我正在尝试逐行分解程序。 Y 是一个数据矩阵，但我找不到任何关于 .shape[0] 究竟做了什么的具体数据。 for i in range(Y.shape[0]): if Y[i] == -
我正在尝试运行代码，但它给了我这个错误: 行，列，_ = frame.shape AttributeError:“tuple”对象没有属性“shape” 我正在使用OpenCV和python 3.6，
我想在 JavaFx 中的 Pane 上显示形状。我正在使用从空间数据库中选择的 Oracle JGeometry 对象，它有一个方法 createShape() 但它返回 java.awt.Shap
在此代码中: import pandas as pd myj='{"columns":["tablename","alias_tablename","real_tablename","
我正在尝试将 API 结果应用于两列。 下面是我的虚拟数据框。不幸的是，这不是很容易重现，因为我使用的是带有 key 和密码的 API...这只是为了让您了解尺寸。 但我希望也许有人能发现一个明显的问
我的代码是: final String json = getObjectMapper().writeValueAsString(JsonView.with(graph) .onClas
a=np.arange(240).reshape(3,4,20) b=np.arange(12).reshape(3,4) c=np.zeros((3,4),dtype=int) x=np.arang
我正在尝试从张量中提取某些数据，但出现了奇怪的错误。在这里，我将尝试生成错误: a=np.random.randn(5, 10, 5, 5) a[:, [1, 6], np.triu_indices(
我是一名优秀的程序员,十分优秀！