numpy中shape的部分解释

转载自:https://blog.csdn.net/qq_28618765/article/details/78081959和https://www.jianshu.com/p/e083512e4f4c

shape函数是numpy.core.fromnumeric中的函数,它的功能是读取矩阵的长度,比如shape[0]就是读取矩阵第一维度的长度。
shape的输入参数可以是一个整数(表示维度),也可以是一个矩阵。

  • 参数是一个数时小括号内没有矩阵符号中括号[],返回空:
>>> import numpy as np
>>> np.shape(0) () 
  • 参数是一维矩阵(一个[]):
>>> import numpy as np
>>> np.shape([1]) (1,) >>> np.shape([1, 2]) (2,) 
  • 参数是二维矩阵(两个[]):
>>> import numpy as np
>>> np.shape([[1],[2]])
(2, 1) >>> np.shape([[1, 2], [2, 3], [3, 4]]) (3, 2) 
  • 直接用.shape可以快速读取矩阵的形状,使用shape[0]读取矩阵第一维度的长度
>>> import numpy as np
>>> a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) >>> a array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) >>> a.shape (3, 3) >>> a.shape[0] 3 >>> a.shape[1] 3 
  • 但是当某一维度长度不一致时,读取所有维度时则不能读出长短不一致的维度
>>> import numpy as np
>>> a = np.array([[1, 2, 3], [4, 5], ]) >>> a.shape >>> a.shape[0] 2 >>> a.shape[1] Traceback (most recent call last): File "", line 1, in <module> (2,)

numpy中shape的部分解释_第1张图片

 

 numpy中shape的部分解释_第2张图片

 

 numpy中shape的部分解释_第3张图片

 

 



链接:https://www.jianshu.com/p/e083512e4f4c

你可能感兴趣的