对numpy中shape的深入理解

对对numpy中中shape的深入理解的深入理解

今天小编就为大家分享一篇对numpy中shape的深入理解，具有很好的参考价值，希望对大家有所帮助。一起跟

随小编过来看看吧

环境：环境：Windows，， Python2.7

一维情况：一维情况：

<span style="font-size:14px;">>>> import numpy as np

>>> a = np.array([2,3,33])

>>> a

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：

<span style="font-size:14px;">>>> a = np.zeros([1])

>>> b = np.ones([1])

>>> print a

[ 0. ]

>>> print b

[ 1. ]</span>

二维情况：二维情况：

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：

多维情况统一使用np.ones进行创建，先看三维情况：

<span style="font-size:14px;">>>> a = np.ones([1,1,1])

>>> print a

[[[ 1.]]]

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

>>> print a

>>> 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：

<span style="font-size:14px;">>>> a = np.ones([2,3,2])

>>> print a

[[[ 1. 1.]

[ 1. 1.]