Numpy 数组维度答案

【问题标题】：Numpy array dimensionsNumpy 数组维度
【发布时间】：2011-03-04 22:56:29
【问题描述】：

我目前正在尝试学习 Numpy 和 Python。给定以下数组：

import numpy as np
a = np.array([[1,2],[1,2]])

是否有返回a 尺寸的函数（例如，a 是一个 2 x 2 数组）？

size() 返回 4 并没有多大帮助。

【问题讨论】：

一条建议：你的“维度”在 NumPy 中被称为shape。 NumPy 所说的维度是 2，在你的情况下（ndim）。了解常用的 NumPy 术语很有用：这使阅读文档更容易！

标签： python arrays numpy dimensions

【解决方案1】：

是.shape:

ndarray.形状
数组维度的元组。

因此：

>>> a.shape
(2, 2)

【讨论】：

注意：shape 可能更准确地描述为属性而不是函数，因为它不是使用函数调用语法调用的.
@nobar 实际上它是一个属性（它既是属性又是函数，真的）
@wim 更具体地说是property is a class。对于类属性（您放入类中的属性），它们是作为类的属性公开的属性类型的对象。一个属性，在 python 中，is the name following the dot.
如果你真的要吹毛求疵，那就是描述符。虽然property 本身是一个类，但ndarray.shape 不是一个类，它是属性类型的一个实例。

【解决方案2】：

第一：

按照惯例，在 Python 世界中，numpy 的快捷方式是 np，所以：

In [1]: import numpy as np

In [2]: a = np.array([[1,2],[3,4]])

第二：

在 Numpy 中，dimension、axis/axes、shape 是相关且有时相似的概念：

尺寸

在数学/物理学中，维度或维度被非正式地定义为指定空间内任何点所需的最小坐标数。但是在Numpy中，根据numpy doc，它和axis/axes是一样的：

在 Numpy 中，维度被称为轴。轴数为rank。

In [3]: a.ndim  # num of dimensions/axes, *Mathematics definition of dimension*
Out[3]: 2

轴/轴

nth 坐标在 Numpy 中索引 array。并且多维数组每个轴可以有一个索引。

In [4]: a[1,0]  # to index `a`, we specific 1 at the first axis and 0 at the second axis.
Out[4]: 3  # which results in 3 (locate at the row 1 and column 0, 0-based index)

形状

描述沿每个可用轴有多少数据（或范围）。

In [5]: a.shape
Out[5]: (2, 2)  # both the first and second axis have 2 (columns/rows/pages/blocks/...) data

【讨论】：

【解决方案3】：

import numpy as np   
>>> np.shape(a)
(2,2)

如果输入不是 numpy 数组而是列表列表，也可以使用

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

或者一个元组的元组

>>> a = ((1,2),(1,2))
>>> np.shape(a)
(2,2)

【讨论】：

np.shape 如果没有 shape 属性，则首先将其参数转换为数组，这就是它适用于列表和元组示例的原因。

【解决方案4】：

你可以使用 .shape

In: a = np.array([[1,2,3],[4,5,6]])
In: a.shape
Out: (2, 3)
In: a.shape[0] # x axis
Out: 2
In: a.shape[1] # y axis
Out: 3

【讨论】：

【解决方案5】：

您可以使用.ndim 获取尺寸，使用.shape 了解确切尺寸：

>>> var = np.array([[1,2,3,4,5,6], [1,2,3,4,5,6]])

>>> var.ndim
2

>>> varshape
(2, 6)

您可以使用.reshape 函数更改尺寸：

>>> var_ = var.reshape(3, 4)

>>> var_.ndim
2

>>> var_.shape
(3, 4)

【讨论】：

【解决方案6】：

shape 方法要求 a 是一个 Numpy ndarray。但是 Numpy 也可以计算纯 python 对象的迭代形状：

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

【讨论】：

【解决方案7】：

a.shape 只是np.info() 的限定版本。看看这个：

import numpy as np
a = np.array([[1,2],[1,2]])
np.info(a)

出来

class:  ndarray
shape:  (2, 2)
strides:  (8, 4)
itemsize:  4
aligned:  True
contiguous:  True
fortran:  False
data pointer: 0x27509cf0560
byteorder:  little
byteswap:  False
type: int32

【讨论】：

【解决方案8】：

rows = a.shape[0] # 2 
cols = a.shape[1] # 2
a.shape #(2,2)
a.size # rows * cols = 4

【讨论】：

【解决方案9】：

在 python notebook 中执行下面的代码块。

import numpy as np
a = np.array([[1,2],[1,2]])
print(a.shape)
print(type(a.shape))
print(a.shape[0])

输出

(2, 2)

2

然后你意识到a.shape 是一个元组。所以你可以通过a.shape[index of dimention]得到任何维度的大小

【讨论】：