“列表”对象没有属性“形状”答案

【问题标题】：'list' object has no attribute 'shape'“列表”对象没有属性“形状”
【发布时间】：2014-01-27 17:39:05
【问题描述】：

如何创建一个数组到numpy数组？

def test(X, N):
    [n,T] = X.shape
    print "n : ", n
    print "T : ", T



if __name__=="__main__":

    X = [[[-9.035250067710876], [7.453250169754028], [33.34074878692627]], [[-6.63700008392334], [5.132999956607819], [31.66075038909912]], [[-5.1272499561309814], [8.251499891281128], [30.925999641418457]]]
    N = 200
    test(X, N)

我收到错误

AttributeError: 'list' object has no attribute 'shape'

所以，我想我需要将我的 X 转换为 numpy 数组？

【问题讨论】：

标签： python list numpy

【解决方案1】：

使用numpy.array 来使用shape 属性。

>>> import numpy as np
>>> X = np.array([
...     [[-9.035250067710876], [7.453250169754028], [33.34074878692627]],
...     [[-6.63700008392334], [5.132999956607819], [31.66075038909912]],
...     [[-5.1272499561309814], [8.251499891281128], [30.925999641418457]]
... ])
>>> X.shape
(3L, 3L, 1L)

注意 X.shape 返回给定数组的 3 项元组； [n, T] = X.shape 提高 ValueError。

【讨论】：

那么如果我想获得 n 和 T 的值，因为我正在从 matlab 转换代码，它具有函数 [n,T] = size(X);.
@sam，我不知道 matlab。上述数组的期望值是多少（N、T）？
size(X) 在 matlab 中以单独的变量 m 和 n 返回矩阵 X 的大小。所以 [n,T] = size(X) 将给出数组的大小
@sam，我的意思是......让我知道给定列表的具体大小。 9, 3? 3, 3?
@sam，使用X.shape。 ;)

【解决方案2】：

或者，您可以使用np.shape(...)

例如：

import numpy as np
a=[1,2,3]

而np.shape(a) 将输出(3,)

【讨论】：

【解决方案3】：

import numpy
X = numpy.array(the_big_nested_list_you_had)

它仍然不会做你想做的事；您有更多错误，例如尝试将 3 维形状解压缩为 test 中的两个目标变量。

【讨论】：

【解决方案4】：

如果你有列表，你可以打印它的形状，就像它被转换为数组一样

import numpy as np
print(np.asarray(X).shape)

【讨论】：

np.shape(X) -- 无需转换数组

【解决方案5】：

python 中的列表对象没有“shape”属性，因为“shape”意味着所有列（或行）在某个维度上具有相等的长度。

假设列表变量 a 具有以下属性：

a = [[2, 3, 4]
    [0, 1]
    [87, 8, 1]]

不可能为变量“a”定义“形状”。这就是为什么“形状”可能只能用“数组”来确定，例如

b = numpy.array([[2, 3, 4]
    [0, 1, 22]
    [87, 8, 1]])

我希望这个解释能很好地澄清这个问题。

【讨论】：

【解决方案6】：

如果类型是列表，使用len(list)和len(list[0])获取行和列。

l = [[1,2,3,4], [0,1,3,4]]

len(l) 将是 2。

len(l[0]) 将是 4。

【讨论】：

【解决方案7】：

首先你必须导入 numpy 库（参考代码制作一个 numpy 数组）。 shape 仅在变量是 numpy 库的属性时才给出输出。换句话说，它必须是 np.array 或任何其他 numpy 数据结构。例如

import numpy
a=numpy.array([[1,1],[1,1]])
a.shape

(2, 2)

【讨论】：

这实际上是更好的答案。