numpy shape

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。