7

我是 Numpy 的新手，并试图理解什么是维度的基本问题，

我尝试了以下命令并试图了解为什么最后 2 个数组的 ndim 相同？

>>> a= array([1,2,3])
>>> a.ndim
1
>>> a= array([[1,2,3],[4,5,6]])
>>> a
array([[1, 2, 3],
       [4, 5, 6]])
>>> a.ndim
2
>>> a=arange(15).reshape(3,5)
>>> a.ndim
2

>>> a
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])

我的理解..

Case 1:
    array([[1, 2, 3],
           [4, 5, 6]])

2 elements are present in main lists, so ndim is-2

Case 2:
    array([[ 0,  1,  2,  3,  4],
           [ 5,  6,  7,  8,  9],
           [10, 11, 12, 13, 14]])

主列表中存在 3 个元素，执行 ndim is-3

4

1 回答 1

13

shape数组的 是其维度的元组。一维数组的形状为 (n,)。二维数组的形状为 (n,m) （如您的情况 2 和 3），三维数组的形状为 (n,m,k) 等等。

因此，虽然您的第二个和第三个示例的形状不同，但没有。两种情况下的尺寸都是二：

>>> a= np.array([[1,2,3],[4,5,6]])
>>> a.shape
(2, 3)

>>> b=np.arange(15).reshape(3,5)
>>> b.shape
(3, 5)

如果您想为示例添加另一个维度，则必须执行以下操作：

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

或者

np.arange(15).reshape(3,5,1)

您可以通过这种方式继续添加尺寸：

一维：

>>> a = np.zeros((2))
array([ 0.,  0.])
>>> a.shape
(2,)
>>> a.ndim
1

两个维度：

>>> b = np.zeros((2,2))
array([[ 0.,  0.],
       [ 0.,  0.]])
>>> b.shape
(2,2)
>>> b.ndim
2

三个维度：

>>> c = np.zeros((2,2,2))
array([[[ 0.,  0.],
        [ 0.,  0.]],

       [[ 0.,  0.],
        [ 0.,  0.]]])
>>> c.shape
(2,2,2)
>>> c.ndim
3

四个维度：

>>> d = np.zeros((2,2,2,2))
array([[[[ 0.,  0.],
         [ 0.,  0.]],

        [[ 0.,  0.],
         [ 0.,  0.]]],


       [[[ 0.,  0.],
         [ 0.,  0.]],

        [[ 0.,  0.],
         [ 0.,  0.]]]])
>>> d.shape
(2,2,2,2)
>>> d.ndim
4
于 2013-04-15T14:56:13.767 回答