对numpy中shape的理解

numpy中的ndarray涉及到几个基本概念

shape 型，表示数组中每一维大小所组成的元组

ndim 维数，即len(shape)

请仔细观察以下示例

>>> import numpy as np
>>> a = np.array([1,2,3])
>>> a.shape
(3,)
>>> b = np.array([[1,2,3],[3,2,1]])
>>> b.shape
(2, 3)

>>>

我们推测shape是根据ndarray的中括号，从外向内计算其内有几个元素而依次计算得到的结果。

比如上面的a第一层中括号内有3个元素，因此shape[0] = 3，然后就没有中括号了，因此shape中只有一个有效数字，ndim=1

对于b最外层中括号内有2个元素，这两个元素是什么先不必关注因此a.shape[0] = 2；再看第2层中括号，拿第二层中括号的第1个元素来看他又是包含3个元素，因此shape[1] = 3;然后里面就再也没有中括号了，因此最终的shape是(2, 3)

再看一个例子，请自己分析

>>> c
array([[[ 0,  1],
        [ 2,  3],
        [ 4,  5],
        [ 6,  7]],


       [[ 8,  9],
        [10, 11],
        [12, 13],
        [14, 15]],


       [[16, 17],
        [18, 19],
        [20, 21],
        [22, 23]]])
>>> c.shape
(3, 4, 2)
>>> c.ndim
3

>>>

请依次关注最外面的中括号

第1个中括号内有3个元素

第2个中括号内有4个元素

第3个中括号内有2个元素