关于python：Numpy数组维度

Numpy array dimensions

我目前正在尝试学习numpy和python。给定以下数组：

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

是否有返回a维度的函数(例如a是2乘2数组)？

size()返回4，但这没有多大帮助。

相关讨论

第一：

按照惯例，在python世界中，numpy的快捷方式是np，因此：

1
2
3

In [1]: import numpy as np

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

第二个：

在numpy中，尺寸、轴/轴、形状是相关的，有时是类似的概念：

维

在数学/物理学中，尺寸或维数非正式地定义为指定空间内任何点所需的最小坐标数。但在numpy中，根据numpy文档，它与轴/轴相同：

In Numpy dimensions are called axes. The number of axes is rank.

号

1 2	In [3]: a.ndim # num of dimensions/axes, Mathematics definition of dimension Out[3]: 2

。轴/轴

在numpy中索引array的第n个坐标。多维数组每个轴可以有一个索引。

1 2	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)

。形状

描述每个可用轴上有多少数据(或范围)。

1 2	In [5]: a.shape Out[5]: (2, 2) # both the first and second axis have 2 (columns/rows/pages/blocks/...) data

1
2
3

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

号

如果输入不是numpy数组，而是列表列表，也可以使用

1
2
3

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

或者一个三元组

1
2
3

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

。

相关讨论

你可以用.shape

1
2
3
4
5
6
7

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

你可以用.ndim表示尺寸，用.shape表示精确尺寸。

1
2
3
4
5
6
7

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函数更改维度。

1
2
3
4
5
6
7

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

号

shape方法要求a是一个numpy ndarray。但是numpy也可以计算纯python对象的iterables的形状：

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

。