Numpy中shape函数的用法详解

shape函数基础功能与返回值

shape函数的核心功能是获取矩阵或数组的维度信息。例如，通过shape[0]可以读取矩阵第一维度的长度，这通常对应于行数。该函数的输入参数既可以是表示维度的整数，也可以是具体的矩阵对象。执行后，shape函数返回一个元组，用以描述数组（或矩阵）在各个维度上的大小，具体示例如下所示。

当数组仅包含一个维度时，shape属性仅返回shape[0]，其值为该一维数组中元素的总个数。通俗而言，这代表列数，因为一维数组在结构上可视作单行数据。在此情况下，使用array创建数组时，括号()和中括号[]均可使用，但在处理多维数据时这种简化方式不再适用，此处建议使用中括号[]进行创建，参考以下示例。

>>> a=np.array([1,2])
>>> a
array([1, 2])
>>> a.shape
(2L,)
>>> a.shape[0]
2L
>>> a.shape[1]
Traceback (most recent call last):
 File "<pyshell#63>", line 1, in <module>
  a.shape[1]
IndexError: tuple index out of range  #最后报错是因为一维数组只有一个维度，可以用a.shape或a.shape[0]来访问

>>> a=np.array((1,2))
>>> a
array([1, 2]) #这个使用的是两个（）包裹，得到的数组和前面的一样

若数组包含两个维度（即行与列），其shape属性的行为符合常规逻辑。a.shape返回的元组将依次表示该数组的行数与列数，具体表现见下例。

>>> a=np.array([[1,2],[3,4]])  #注意二维数组要用（）和[]一起包裹起来，键入print a 会得到一个用2个[]包裹的数组（矩阵）
>>> a
array([[1, 2],
    [3, 4]])
>>> a.shape
(2L, 2L)
>>> b=np.array([[1,2,3],[4,5,6]])
>>> b
array([[1, 2, 3],
    [4, 5, 6]])
>>> b.shape
(2L, 3L)

对于三维数组，创建时需使用一对圆括号()和两对方括号[]进行包裹。执行print a命令后，将看到一个由三个中括号[]包裹的数组（矩阵）结构，具体示例如下。

>>> a=np.array([[[1,2],[3,4]]])
>>> a
array([[[1, 2],
    [3, 4]]])
>>> a.shape
(1L, 2L, 2L)

此时返回的元组表示三个维度各自包含的元素数量。具体而言，在一维情况下，元素个数即为长度；在二维情况下，分别表示行数和列数；而在三维情况下，a.shape[0]代表创建的块数，a.shape[1]和a.shape[2]则分别表示每一块（每块均为二维结构）的行数和列数，举例说明如下。

>>> a=np.ones([2,2,3])#创建两个2行3列的数组（矩阵）
>>> a
array([[[ 1., 1., 1.],
    [ 1., 1., 1.]],
 
    [[ 1., 1., 1.],
    [ 1., 1., 1.]]])

总结使用np.array()创建数组时的规律：

一维数组可直接通过np.array([1,2,3])或np.array((1,2,3))创建，执行print输出时的结果为：

>>> print a
[1 2 3]

输出结果外部由一个[]包裹；

二维数组需使用np.array([[1,2,3],[1,2,3]])的形式，即用一个圆括号()和一个中括号[]将输入的列表包裹起来，执行print输出时的结果为：

>>> print a
[[1 2 3]
 [1 2 3]]

输出结果外部由两个[]包裹；

三维数组需使用np.array([[[1,2,3],[1,2,3]]])的形式，即用一个圆括号()和两个中括号[]将输入的列表包裹起来，执行print输出时的结果为：

>>> print a
[[[1 2 3]
 [1 2 3]]]

输出结果外部由三个[]包裹；

对于更高维度的情况，后续可进一步研究探讨。

至此，关于Numpy中shape函数用法的详解介绍完毕。如需了解更多相关Numpy shape函数用法内容，请搜索本站历史文章或继续浏览下方相关文章，感谢大家的支持！