pythonnumpy初始化三维数组_numpy中的三维数组

正如人们常说的“顺序不重要，它只是一种约定”一样，当进入跨域接口时，这种约定就失效了，即从C排序转换到Fortran排序或其他排序方案。在这里，准确地说，数据是如何分层的，形状是如何在numpy中表示的非常重要。

默认情况下，numpy使用C排序，这意味着内存中的连续元素是存储在行中的元素。您还可以执行FORTRAN排序(“F”)，这将根据列对元素进行排序，为连续元素编制索引。

Numpy的形状还有它自己的显示顺序。在numpy中，形状首先是最大的跨距，即在3d向量中，它将是最小连续维数、Z或页、第3维等。。。所以在执行时：

np.zeros((2,3,4)).shape

你会得到

(2,3,4)

实际上是(frames, rows, columns)。而做np.zeros((2,2,3,4)).shape则意味着(metaframs, frames, rows, columns)。当你想到像langauges那样用C创建多维数组时，这就更有意义了。对于C++，创建一个非连续定义的4D数组会导致^ {< CD6> }。这将强制您取消引用第一个数组，该数组包含所有其他数组(第4维)，然后一直引用相同的数组(第3、第2、第1)，从而产生如下语法：

double element = array4d[w][z][y][x]

在fortran中，这个索引顺序是相反的(x是第一个array4d[x][y][z][w])，大多数是连续的，而最不连续的，在matlab中，它变得很奇怪。

Matlab试图同时保留数学默认顺序(行、列)，但在库内部也使用column major，而不遵循维度排序的C约定。在matlab中，您可以这样订购：

double element = array4d[y][x][z][w]

它将所有约定神化，并创建奇怪的情况，在这种情况下，您有时像按行排序，有时按列排序(例如使用矩阵创建)进行索引。

实际上，Matlab是最不直观的，而不是Numpy。