1 shape()函數(shù) 

讀取矩陣的長度，比如shape[0]就是讀取矩陣第一維度的長度,相當(dāng)于行數(shù)。它的輸入?yún)?shù)可以是一個整數(shù)表示維度，也可以是一個矩陣。shape函數(shù)返回的是一個元組tuple，表示數(shù)組（矩陣）的維度/ 形狀，例子如下：

• w.shape[0]返回的是w的行數(shù)
• w.shape[1]返回的是w的列數(shù)
• df.shape()：查看行數(shù)和列數(shù)

1. 數(shù)組（矩陣）只有一個維度時，shape只有shape[0]，返回的是該一維數(shù)組（矩陣）中元素的個數(shù)，通俗點說就是返回列數(shù)，因為一維數(shù)組只有一行，一維情況中array創(chuàng)建的可以看做list（或一維數(shù)組），創(chuàng)建時用（）和[ ]都可以，多維就使用[ ]

>>> a=np.array([1,2])
>>> a
array([1, 2])
>>> a.shape
(2L,)
>>> a.shape[0]
2L
>>> a.shape[1]
IndexError: tuple index out of range   #最后報錯是因為一維數(shù)組只有一個維度，可以用a.shape或a.shape[0]來訪問
 
#這個使用的是兩個（）包裹，得到的數(shù)組和前面的一樣
>>> a=np.array((1,2))
>>> a
array([1, 2]) 

2.數(shù)組有兩個維度（即行和列）時，a.shape返回的元組表示該數(shù)組的行數(shù)與列數(shù)

 #注意二維數(shù)組要用（）和[]一起包裹起來，鍵入print a 會得到一個用2個[]包裹的數(shù)組（矩陣）
>>> b=np.array([[1,2,3],[4,5,6]])
>>> b
array([[1, 2, 3],
       [4, 5, 6]])
>>> b.shape
(2L, 3L)

總結(jié):使用np.array（）創(chuàng)建數(shù)組時，

一維的可以直接np.array（[1,2,3]）或者np.array((1,2,3))

二維的要使用np.array（[[1,2,3],[1,2,3]]),用一個（）和一個[]把要輸入的list包裹起來

三維的要使用np.array（[[[1,2,3],[1,2,3]]]）,用一個（）和兩個[]把要輸入的list包裹起來

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

返回的元組表示3個維度各包含的元素的個數(shù)。所謂元素，在一維時就是元素的個數(shù)，二維時表示行數(shù)和列數(shù)，三維時a.shape【0】表示創(chuàng)建的塊數(shù)，a.shape【1】和a.shape【2】表示每一塊（每一塊都是二維的）的行數(shù)和列數(shù)。

>>> a=np.ones([2,2,3])#創(chuàng)建兩個2行3列的數(shù)組（矩陣）
>>> a
array([[[ 1.,  1.,  1.],
        [ 1.,  1.,  1.]],
 
       [[ 1.,  1.,  1.],
        [ 1.,  1.,  1.]]])

2 reshape()函數(shù)

 改變數(shù)組的形狀，并且原始數(shù)據(jù)不發(fā)生變化。但是，reshape()函數(shù)中的參數(shù)需要滿足乘積等于數(shù)組中數(shù)據(jù)總數(shù).

如：當(dāng)我們將8個數(shù)使用(2,3)重新排列時，python會報錯

import numpy as np
 
a=np.array([1,2,3,4])
b=np.array([[1,2,3,4],[4,5,6,7],[7,8,9,1]])
print("a:\n",a)
print("b:\n",b)
print(b.dtype)
 
a_r=a.reshape((2,2))  
print("a_r:\n",a_r)
d=a.reshape((-1,1))
print("d:\n",d)
e=a.reshape((1,-1))
print("e:\n",e)
#結(jié)果如下
a:
 [1 2 3 4]
c:
 [[1 2 3 4]
 [4 5 6 7]
 [7 8 9 1]]
int32
 
a_r:
 [[1 2]
 [3 4]]
d:
 [[1]
 [2]
 [3]
 [4]]
e:
 [[1 2 3 4]]

而且，reshape()函數(shù)得出的數(shù)組與原數(shù)組使用的是同一個存儲空間，改變一個，另一個也隨之改變。

【注意】shape和reshape()函數(shù)都是對于數(shù)組(array)進行操作的，對于list結(jié)構(gòu)是不可以的

【參考】

Python：numpy中shape和reshape的用法 

到此這篇關(guān)于Numpy中的shape、reshape函數(shù)的區(qū)別的文章就介紹到這了,更多相關(guān)Numpy shape reshape內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論