精华内容
下载资源
问答
  • numpy shape

    2019-04-14 18:06:44
    对于学习NumPy(Numeric Python),首先需要知道一点是:Numpy 是用来处理矩阵数组的。因此,知道一个数组是多少维度是很有必要的。 shape 属性 对于shape函数,官方文档是这么说明: the dimensions of the array...

    前言

    对于学习NumPy(Numeric Python),首先需要知道一点是:Numpy 是用来处理矩阵数组的。因此,知道一个数组是多少维度是很有必要的。

    shape 属性

    对于shape函数,官方文档是这么说明:

    the dimensions of the array. This is a tuple of integers indicating the size of the array in each dimension.

    直译:数组的维度。这是一个整数的元组,元组中的每一个元素对应着每一维度的大小(size)。

    再直译一点理解就是,若元组只有一个元素,则说明这个数组是一维数组:如元组(2,)   表示一维数组,只含有2个元素;同理,可知(1,3)表示的是一个2维数组,因为含有2个元素 :1,3

    举例说明:

    一维数组

    import numpy as np

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

    print(a.shape) # 输出 (3,)

    说明:这里输出的元组(3,)按官方的文档理解,这里的3表示的是第一个维度中元素的大小(size);

    同理,对于二维数组myarray,可推测出myarray.shape输出的应该类似(n,m)只含有两个元素的元组。

    其中,第一个元素n代表中一维数组中元素的个数;m代表第二维度中元素的个数。

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

    print(b.shape) # 输出(2,3)

    元组(2,3) 说明这是一个二维数组,其中第一个维度含有2个元素,第二个维度中每一个元素都含有3个元素(1,2,3).

    总结

    通过以上的例子,我们可以知道对于numpy中数组的shape属性输出的元组,有以下两个结论:

    1. 元组的元素的个数等于维度数
    2. 元组中每一个元素又代表中每一维度元素的个数(从左到右,依次为第一维度中元素的个数,第二维度中元素的个数...第n维度元素的个数)

    如,若某一个numpy数组test_array 调用shape输出为(2,3,3,4) 我们根据上面的结论,就可以很快的知道这是一个4维的数组。

    其中,第一个维度只有2个元素。第二个维度有3个元素,第三个维度也有3个元素,最后的第四个维度有4个元素。

    最后的最后

     对于numpy中的数组,若是不知道他是几维的,我们可以输出他的shape属性,然后,数一下有几个元素就很easy 知道数组是几维数组啦。

    展开全文
  • Numpy shape的用法

    千次阅读 2019-09-21 12:11:46
    shape函数是numpy.core.fromnumeric中的函数,它的功能是读取矩阵的长度。比如说shape[0]就是读取矩阵的第一维度的长度。 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。 例子: 1. ...

    shape函数是numpy.core.fromnumeric中的函数,它的功能是读取矩阵的长度。比如说shape[0]就是读取矩阵的第一维度的长度。

    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。

     

    例子:

     

    1.

    Import numpy as np
    
    np.shape(0)
    
     -> ()

    2.

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

     

    3.可以直接用shape快速的读取矩阵的形状,使用shape[0]读取矩阵的第一维度的长度

    a = np.array([[1,2,3],[4,5,6],[7,8,9]])
    
    a
    
    array([[1, 2, 3],
    
           [4, 5, 6],
    
           [7, 8, 9]])

     

    4.当某一个维度长度不一致时,读取所有维度时,则不能读取出长短不一致的维度。

    a = np.array([[1,2,3],[4,5],[7]])
    
    >>> a.shape[0]
    
    3
    
    >>> a.shape[1]
    
    Traceback (most recent call last):
    
      File "<stdin>", line 1, in <module>
    
    IndexError: tuple index out of range

     

    展开全文
  • numpy shape函数

    千次阅读 2017-12-19 13:43:43
    shape函数返回list,array,matrix等的一维和二维长度值。 1)list列表 列表只有一维,二维为0>>> a = [1,2,3] >>> np.shape(a) (3,)上面是一维列表,长度是3 值得注意的是,列表是没有...

    shape函数返回list,array,matrix等的一维和二维长度值。
    1)list列表
    列表只有一维,二维为0

    >>> a = [1,2,3]
    >>> np.shape(a)
    (3,)
    

    上面是一维列表,长度是3
    值得注意的是,列表是没有shape函数的,如下:

    >>> a.shape[0]
    Traceback (most recent call last):
      File "<pyshell#32>", line 1, in <module>
        a.shape[0]
    AttributeError: 'list' object has no attribute 'shape'
    

    2)array数组

    >>> a = np.eye(4,3)
    >>> a
    array([[ 1.,  0.,  0.],
           [ 0.,  1.,  0.],
           [ 0.,  0.,  1.],
           [ 0.,  0.,  0.]])
    >>> np.shape(a)
    (4, 3)
    >>> a.shape[0]
    4
    >>> a.shape[1]
    3
    >>> 
    

    上面建立了一个4x3的数组,第一个维度是4(即第一个中括号里面的列表数量),第二个维度是3

    3)matrix

    >>> b = mat([[1,2,3],[2,3,5]])
    >>> b
    matrix([[1, 2, 3],
            [2, 3, 5]])
    >>> np.shape(b)
    (2, 3)
    >>>  
    
    展开全文
  • Python numpy shape为(x,) 和 shape为(x,1)的区别 笔者最近在用numpy进行ML的学习,numpy确实方便,但是如果不仔细的话,还是会栽不少跟头,所以笔者在这里记录下遇到过的坑,方便大家学习。 稍微一看,shape为(x,)...

    Python numpy shape为(x,) 和 shape为(x,1)的区别

    笔者最近在用numpy进行ML的学习,numpy确实方便,但是如果不仔细的话,还是会栽不少跟头,所以笔者在这里记录下遇到过的坑,方便大家学习。

    稍微一看,shape为(x,)和shape为(x,1)几乎一样,都是一维的形式。其实不然:

    • (x,)意思是一维数组,数组中有2个元素
    • (x,1)意思是一个x维数组,每行有1个元素

    这涉及到一个张量的概念,具体可以看:小昇的博客-Keras深度学习笔记(二):神经网络的数学基础

    这里举几个例子来说明不重视这个点的危害。

    1. 初始化
    a = np.arange(3)
    print("a=" ,a.shape)
    b = np.arange(15).reshape(5,3)
    print("b=" ,b.shape)
    

    输出:

    a= (3,)
    b= (5, 3)
    

    可以看出,没有指明矩阵形式的时候,默认是一维数组。

    1. 相乘
    c = np.dot(b,a)
    print("c=" ,c.shape)
    

    输出:

    c= (5,)
    

    矩阵乘法,因为a是一维的形式,所以b相乘之后,维数减少。

    1. 自身变化
    c.reshape(c.shape[0],1)
    print("c=" ,c.shape)
    ff = c.reshape(c.shape[0],1)
    print("ff=" ,ff.shape)
    

    输出

    c= (5,)
    ff= (5, 1)
    

    这里要注意的是,对自己reshape并不会改变自身的形式!只有赋值给其他变量才会看见效果。这很重要!

    1. 相加
    c = np.arange(5)
    print("c=" ,c.shape)
    d = np.arange(5).reshape(5,1)
    print("d=" ,d.shape)
    e = c + d
    print("c+d=" ,e.shape)
    

    输出:

    c= (5,)
    d= (5, 1)
    c+d= (5, 5)
    

    一开始以为c会作用于d上的每个数据,直接相加,最后结果还是(5,1)。但是没想到会变成(5,5)这是矩阵相加最需要注意的地方

    1. 正确相加
    c = np.arange(5)
    print("c=" ,c.shape)
    ff = c.reshape(c.shape[0],1)
    print("ff=" ,ff.shape)
    d = np.arange(5).reshape(5,1)
    print("d=" ,d.shape)
    e = ff + d
    print("ff+d=" ,e.shape)
    

    输出:

    c= (5,)
    ff= (5, 1)
    d= (5, 1)
    ff+d= (5, 1)
    

    正如前面所说,需要先赋值给其他变量,然后再相加,此时才会得出正确结果。

    小结:这个小细节曾连续困扰了我好几天,代码一直显示矩阵操作的维数不对,一点点调试才发现了这个问题。如果维数不对,那么结果也一定不对。希望和大家一起学习分享经验!

    展开全文
  • numpy shape函数的使用

    2017-07-14 23:16:17
    numpy中矩阵shape函数的使用在python3文档中可以查到numpy.core.defchararray.chararray.shape 可以通过shape函数查看矩阵的维度。 Examples:>>> x = np.array([1, 2, 3, 4]) >>> x.shape(4,) >>> y = np.zeros(...
  • Python Numpy shape 基础用法

    千次阅读 2018-01-24 14:03:08
    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。它的输入参数可以使一个整数表示维度,也可以是一个矩阵。这么说你可能不太理解,我们还是用各种...
  • Numpyshape

    千次阅读 2018-08-14 12:59:01
    import numpy as np #1X4的矩阵 a=np.array([[1,1,1,0]]) print(a.shape) #4X1的矩阵 b=np.array([[1],[2],[3],[4]]) print(b.shape) #几乎不能叫矩阵,因为.shape输出的是元素的个数 c=np.array([1,2,3,4]) ...
  • numpy.shape

    2018-10-17 12:19:44
    shapenumpy一个属性,是个元组,返回各个维度的维数.shape[0]为最外维维度,shape[1]次外维,,依次之....
  • Numpy-shape

    千次阅读 2019-08-04 17:52:09
    shape用于查看矩阵或者数组的维数: ...dataSet = numpy.array([[1,1], [1,1], [0,0], [0,0.1]]) dataSize = dataSet.shape[0] #答案是4 shape[0]用于查看矩阵第一维的长度 dataSize1 = dataSet...
  • 今天小编就为大家分享一篇对numpyshape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
  • Numpy-shape函数

    2017-12-05 21:41:44
    shape函数在numpy模块中,功能为可以读取数组或矩阵的维度大小。例如: 建立一个一维矩阵a,则shape(a)为矩阵的长度:from numpy import * a = array([5, 1]) print(shape(a))>>(2,)建立一个2*3的二维数组,b.shape...
  • python numpyshape函数

    2018-07-22 22:44:45
    shape函数是numpy.core.fromnumeric中的函数,它的作用就是获取矩阵或数组的维数,所谓维数也就是行和列的长度。shape的帮助信息如下, Help on function shape in module numpy.core.fromnumeric: shape(a) ...
  • numpy.shape用法

    千次阅读 2018-03-13 14:06:39
    shape[0]表示取行数,shape[1]表示列数data = numpy.arange(10).reshape(2,5) print(data) print(data.shape[0]) print(data.shape[1])打印结果:[[0 1 2 3 4] [5 6 7 8 9]]25
  • python numpy.shapenumpy.reshape函数

    万次阅读 多人点赞 2015-10-24 11:39:56
    导入numpy模块 from numpy import * ...numpy.shape: help(shape) 输入参数:类似数组(比如列表,元组)等,或是数组 返回:一个整型数字的元组,元组中的每个元素表示相应的数组每一维的长
  • numpy 中的 shape 方法返回的是一个数组的大小。 我们定义了一个 numpy 数组: from numpy import * group = array([[1.0, 1.1], [1.0, 1.0], [0, 0], [0, 0.1]]) 使用 shape 方法查看该数组的大小: group...
  • numpyshape计算

    2019-07-30 16:19:32
    numpyshape计算 A = np.array([[[ 0.67826139, 0.29380381], [ 0.90714982, 0.52835647], [ 0.4215251 , 0.45017551]], [[ 0.92814219, 0.96677647], [ 0.85304703, 0.52351845...
  • numpy_shape函数用法

    2017-05-21 15:24:25
    numpy函数:shape用法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。它的输入参数可以使一个整数表示维度,也可以是一个矩阵。 注意,使用shape...
  • 浅谈Numpyshape和reshape 文章目录浅谈Numpyshape和reshapeshapereshape shape 原型:numpy.shape(array) shape 是 array的一个属性,它能获取矩阵的行列的维度 import numpy as np array1 = np.array([[1,2,3...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 184,335
精华内容 73,734
关键字:

numpyshape