對numpy中shape的理解

from:http://blog.csdn.net/by_study/article/details/67633593

環境：Windows， Python3.5

 

一維情況：

 

>>>> import numpy as np  
>>> a = np.array([2,3,33])  
>>> a  
array([ 2 3 33 ])  
>>> print(a)  
[ 2 3 33 ]  
>>> a.shape  
(3, )
>>> a.shape[0]  
3
>>> a.shape[1]  
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
IndexError: tuple index out of range

一維情況中array創建的可以看做list（或一維數組），創建時用（）和[ ]都可以，多維也一樣，兩種方法創建后的輸出顯示結果也相同，這里使用[ ]進行創建

輸出a的shape會顯示一個參數，就是這個list中元素個數

創建時也可以直接使用np.zeros([1])，這樣會創建全0的list，或者np.ones([1])，不需要我們輸入數據，見下圖：

>>>> a = np.zeros([1])  
b = np.ones([1]) 
>>> print(a)  
[ 0. ]  
>>> print(b)  
[ 1. ]

 

二維情況：

 

>>> a = np.array([[2,3,33],[2,1,1]])
>>> a
array([[ 2,  3, 33],
       [ 2,  1,  1]])
>>> a.shape[0]
2
>>> a.shape[1]
3
>>> a.shape[2]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
IndexError: tuple index out of range

 

 二維情況中array創建的可以看做二維數組（矩陣），注意創建時需要使用2個[ ]，輸出a的shape顯示的（2,3）相當於有2行，每行3個數，使用np.ones創建結果如下：

 

>>> a = np.ones([2, 3])  
>>> a
array([[ 1.,  1.,  1.],
       [ 1.,  1.,  1.]])

 

 

多維情況：

多維情況統一使用np.ones進行創建，先看三維情況：

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

       [[ 1.]]])

 從上面的代碼可以看出，三維情況創建時后面2個參數可以看做是創建二維數組，第1個參數看做創建的二維數組的個數，所以創建時輸入的參數為2,3,2時，就相當於創建了2個3行2列的二維數組，如下：

 

>>> a = np.ones([2,3,2])  
>>> a
array([[[ 1.,  1.],
        [ 1.,  1.],
        [ 1.,  1.]],

       [[ 1.,  1.],
        [ 1.,  1.],
        [ 1.,  1.]]])

 

 然后看四維情況：

 

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

        [[ 1.]]]])
>>> np.ones([2,1,1,1])  
array([[[[ 1.]]],


       [[[ 1.]]]])

 

 從上面代碼可以看出：四維時將第一個參數設置為2和第二個參數設置為2時，輸出結果中間的空行數量不同，我把它理解成先創建1行1列的二維數組[[ 1. ]]，然后按照第2個參數打包這樣的二維數組，如果第二個參數是2，則打包2個2維數組變成[[[ 1. ]]，[[ 1. ]]]（小包），然后按照第1個參數再打包這樣的包，如果第一個參數是2，則變成[[[[ 1. ]], [[ 1. ]]], [[[ 1. ]], [[ 1. ]]]]（大包），就是下面的結果：

 

>>> np.ones([2,2,1,1]) 
array([[[[ 1.]],

        [[ 1.]]],


       [[[ 1.]],

        [[ 1.]]]])

 

 四維以上的結果也是這么理解~輸出中區分參數用空行~

 

然后來看一下特定輸出：

>>> m = np.ones([2,3,2,3])  
>>> m 
array([[[[ 1.,  1.,  1.],
         [ 1.,  1.,  1.]],

        [[ 1.,  1.,  1.],
         [ 1.,  1.,  1.]],

        [[ 1.,  1.,  1.],
         [ 1.,  1.,  1.]]],


       [[[ 1.,  1.,  1.],
         [ 1.,  1.,  1.]],

        [[ 1.,  1.,  1.],
         [ 1.,  1.,  1.]],

        [[ 1.,  1.,  1.],
         [ 1.,  1.,  1.]]]])
>>> m[1,:,:,:]  
array([[[ 1.,  1.,  1.],
        [ 1.,  1.,  1.]],

       [[ 1.,  1.,  1.],
        [ 1.,  1.,  1.]],

       [[ 1.,  1.,  1.],
        [ 1.,  1.,  1.]]])
>>> m[:,1,:,:]  
array([[[ 1.,  1.,  1.],
        [ 1.,  1.,  1.]],

       [[ 1.,  1.,  1.],
        [ 1.,  1.,  1.]]])
>>> m[:,:,1,:]  
array([[[ 1.,  1.,  1.],
        [ 1.,  1.,  1.],
        [ 1.,  1.,  1.]],

       [[ 1.,  1.,  1.],
        [ 1.,  1.,  1.],
        [ 1.,  1.,  1.]]])
>>> m[:,:,:,1]  
array([[[ 1.,  1.],
        [ 1.,  1.],
        [ 1.,  1.]],

       [[ 1.,  1.],
        [ 1.,  1.],
        [ 1.,  1.]]])

 

然后m[1,：,：,：]，：代表默認值（就是一開始你輸入時指定的值），這句代碼相當於輸出2個包中的第1個包（從0開始計數），這個包里面有3個小包，小包里面是2*3的二維數組，所以結果就是上面的~

然后m[：,1,：,：]，相當於輸出2個大包，每個大包輸出第1個小包，小包里面是2*3的二維數組

然后m[：,：,1,：]，相當於輸出2個大包，每個大包輸出3個小包，小包里面是二維數組的第1行

然后m[：,：,：,1]，相當於輸出2個大包，每個大包輸出3個小包，小包里面是1*2的二維數組

其他結果可以自己去試試~

 

總結：采用np.array()創建時需要幾個維度就要用幾個[ ]括起來，這種創建方式要給定數據；采用np.ones()或np.zeros()創建分別產生全1或全0的數據，用a.shape會輸出你創建時的輸入，創建時輸入了幾個維度輸出就會用幾個[ ]括起來，shape的返回值是一個元組，里面每個數字表示每一維的長度

np.shape[]是對應到某一維上輸出指定維的長度