以这个代码为例
b=np.array([[[1,2],[3,4]],[[5,6],[7,8]]])
print(b.shape)
c=np.array([[[1],[2],[3]]])
print(c.shape)
-
对于数组
b
:b = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]]) print(b.shape)
形状是
(2, 2, 2)
,表示它是一个三维数组,其中第一个维度有两个元素,第二个维度有两个元素,第三个维度也有两个元素。 -
对于数组
c
:c = np.array([[[1], [2], [3]]]) print(c.shape)
形状是
(1, 3, 1)
,表示它也是一个三维数组,第一个维度有一个元素,第二个维度有三个元素,第三个维度有一个元素。
这些形状信息描述了数组的维度和每个维度中的元素数量。
在NumPy数组中,维度的定义是根据数组的嵌套层次来确定的。每个嵌套层次对应一个维度,并且维度的大小由数组在该维度上的元素数量来定义。
-
第一个维度是最外层的嵌套,它对应于数组的最外层包装。例如,对于数组
b
,最外层有两个元素[[1, 2], [3, 4]]
和[[5, 6], [7, 8]]
,因此第一个维度的大小是2。 -
第二个维度是在第一个维度内部的嵌套,它对应于数组的次级包装。在数组
b
中,每个次级包装都是一个2x2的矩阵,所以第二个维度的大小也是2。 -
第三个维度是在第二个维度内部的嵌套,对应于数组的最内层包装。在数组
b
中,每个最内层包装都包含两个元素,所以第三个维度的大小也是2。
对于数组 c
,情况类似:
-
第一个维度是最外层的嵌套,有一个元素
[[1], [2], [3]]
,所以第一个维度的大小是1。 -
第二个维度是在第一个维度内部的嵌套,有三个元素,因此第二个维度的大小是3。
-
第三个维度是在第二个维度内部的嵌套,每个最内层包装都包含一个元素,所以第三个维度的大小是1。
维度的定义和大小取决于数组的结构和嵌套方式,它们用于描述数组的形状和组织方式。