Numpy中的shape函数的用法详解

shape函数的功能是读取矩阵的长度，比如shape[0]就是读取矩阵第一维度的长度,相当于行数。它的输入参数可以是一个整数表示维度，也可以是一个矩阵。shape函数返回的是一个元组，表示数组（矩阵）的维度，例子如下：

1. 数组（矩阵）只有一个维度时，shape只有shape[0]，返回的是该一维数组（矩阵）中元素的个数，通俗点说就是返回列数，因为一维数组只有一行，一维情况中array创建的可以看做list（或一维数组），创建时用（）和[ ]都可以，多维就不可以这样子了，这里使用[ ]，请看下例：

1 2 3 4 5 6 7 8 9 10 11 12

>>> 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 "", line 1, in   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

1 2 3

>>> 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

2.数组有两个维度（即行和列）时，和我们的逻辑思维一样，a.shape返回的元组表示该数组的行数与列数，请看下例：

1 2 3 4 5 6 7 8 9 10 11 12

>>> 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)

3.当数组是三维时，要用一个（）和两个[]包裹起来，键入print a 会得到一个用3个[]包裹的数组（矩阵），请看下例：

1 2 3 4 5 6

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

这里返回的元组表示3个维度各包含的元素的个数。
所谓元素，在一维时就是元素的个数，二维时表示行数和列数，三维时a.shape【0】表示创建的块数，a.shape【1】和a.shape【2】表示每一块（每一块都是二维的）的行数和列数，举个例子：

1 2 3 4 5 6 7

>>> 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，

一维的可以直接np.array（[1,2,3]）或者np.array((1,2,3))，输出（print）时是：

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

外面有一个[]包裹；

二维的要使用np.array（[[1,2,3],[1,2,3]]),用一个（）和一个[]把要输入的list包裹起来，输出（print）时是

1 2 3

>>> print a [[1 2 3]  [1 2 3]]

外面有两个[]包裹；

三维的要使用np.array（[[[1,2,3],[1,2,3]]]）,用一个（）和两个[]把要输入的list包裹起来，输出（print）时是

1 2 3

>>> print a [[[1 2 3]  [1 2 3]]]

外面有三个[]包裹；

对于更高维的情况以后再研究