numpy.array的shape属性 —— 2018-09-07

标签：表示   二维数组   总结   数字   nump   一个   sha   shape   维数   

1. numpy创建的数组都有一个shape属性，它是一个元祖，返回各个维度的维数
2. 二维例子：

>>> import numpy as np
>>> y = np.array([[1,2,3],[4,5,6]])
>>> print(y)
[[1 2 3]
 [4 5 6]]
>>> print(y.shape)
(2, 3)
>>> print(y.shape[0])
2
>>> print(y.shape[1])
3

可以看到 y 是一个两行三列的矩阵，y.shape[0]表示行数，y.shape[1]表示列数

1. 三维例子：

y = np.array([[[1,1,1],[2,2,2]],[[3,3,3],[4,4,4]],[[5,5,5],[6,6,6]]])
print(y.shape)
>>> print(x.shape)
(3, 2, 3)
>>> print(x.shape[0])
3
>>> print(x.shape[1])
2
>>> print(x.shape[2])
3

可以看到x是一个包含了3个两行三列的二维数组的三维数组，x.shape[0]代表包含二维数组的个数，x.shape[1]表示二维数组的行数，x.shape[2]表示二维数组的列数。

总结：

可以看到，shape[0]表示最外围的数组的维数，shape[1]表示次外围的数组的维数，数字不断增大，维数由外到内。

numpy.array的shape属性 —— 2018-09-07

标签：表示   二维数组   总结   数字   nump   一个   sha   shape   维数   

原文地址：https://www.cnblogs.com/qiulinzhang/p/9603657.html