Python基础——numpy.ndarray一维数组与多维数组

shape为(3, 1)(表多维数组)与shape为(3, )(表一维数组)用法上有很大的不同

>>> x = np.random.randn(3)
>>> x
array([ 0.53150381, -0.45205789, -0.6655509 ])
>>> x.shape
(3,)

>>> y = np.random.randn(3, 1)
>>> y
array([[ 0.69918993],
       [ 1.17769064],
       [-0.53024913]])
>>> y.shape
(3, 1)

不同之一:与list进行转换

>>> list(x)
[0.53150381185761253, -0.45205789280422431, -0.66555089846812798]
>>> list(y)
[array([ 0.69918993]), array([ 1.17769064]), array([-0.53024913])]
  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

五道口纳什

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值