具有 3 个参数的 Numpy ndarray 形状答案

【问题标题】：Numpy ndarray shape with 3 parameters具有 3 个参数的 Numpy ndarray 形状
【发布时间】：2018-07-10 09:31:02
【问题描述】：

当提供3个参数时，我对ndarray的形状感到困惑：

例如，有什么区别：

np.zeros((2, 1, 3))
array([[[ 0.,  0.,  0.]],

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

和：

np.zeros((1, 2, 3))
array([[[ 0.,  0.,  0.],
        [ 0.,  0.,  0.]]])

在我看来，它们都代表 2*3 矩阵。

【问题讨论】：

维度 1 在这里是令人困惑的部分，因为您不容易看到维度 1。如果您尝试使用 (2, 3, 4)，您将立即看到差异。您始终可以使用 array.shape 测试您的 numpy 数组。
计算括号 - 3 组，而不是 2 组。它们传达了有关数组形状的真实信息。

标签： python arrays pandas numpy dataframe

【解决方案1】：

不行，形状不一样，要注意方括号：

>>> np.zeros((2, 1, 3))
array([[[ 0.,  0.,  0.]],

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

对比：

>>> np.zeros((1, 2, 3))
array([[[ 0.,  0.,  0.],
        [ 0.,  0.,  0.]]])

如您所见，在第一次调用中，我们有两次用于第二维的方括号，而在后者中，我们只有一个这样的对。

形状也不同：

>>> np.zeros((2, 1, 3)).shape
(2, 1, 3)
>>> np.zeros((1, 2, 3)).shape
(1, 2, 3)

所以在前者中我们有一个包含两个子列表的列表。这些子列表中的每一个都包含一个元素：三个元素的列表。在后者中，我们有一个包含一个元素的列表：一个包含两个元素的子列表，这两个元素是包含三个元素的列表。

所以 vanilla Python 列表等效项是：

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

对比：

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

【讨论】：

【解决方案2】：

dim=1 只是一个愚蠢的维度，您总是可以将2x3 的矩阵视为1x2x3 的张量。

但是，从技术上讲，它们并不是一回事。所以你可以看到你的2输出中的括号[]并不完全相同，[]对于哑维度的位置不在同一位置。

要删除哑维度，请使用

arr = np.squeeze(arr)

【讨论】：

【解决方案3】：

根据numpy.zeros documentation，第一个参数是表示数组形状的序列或整数。

如果您仔细观察，嵌套的方括号与您构建的形状不同。

这个例子可能会更清楚：

np.zeros((2, 3, 4))

array([[[ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.]],

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

【讨论】：