从numpy.ndarray.shape到numpy.ndarray.transpose

一维向量的shape

#eg1
>>> x = np.array([1, 2, 3, 4])
>>> x.shape
(4,)

#eg2
>>> a = np.array([[1,2,3,4]])
>>> a.shape
(1, 4)

像这种(dim,)和(dim1,dim2)的区别是什么?从例子中可以看出eg1是一个一维向量,而eg2是一个二维矩阵。一维向量的shape只有一个维度,因此是(dim,),二维矩阵的shape有两个维度,是(dim1,dim2).

在python中,(a,)是元组,元组中只有一个元素;(a,b)也是元组,有两个元素。

多维矩阵的shape

>>> a =  np.array ([[[ 0, 1, 2, 3],
           [ 4, 5, 6, 7]],
        [[ 8, 9, 10, 11],
        [12, 13, 14, 15]]])
>>> a.shape
(2, 2, 4)

这个(2,2,4)是什么意思呢?为什么不是(2,4,2)或者其他?我理解shape是矩阵的结构,2,2,4分别是第1,2,3个维度,第一个维度是最外层,第三个是最内层,如下所示:

>>> b = np.array([0,1,2,3])
>>> b.shape
(4,)

>>> c = np.array([[1,2,3,4],[4,5,6,7]])
>>> c.shape
(2, 4)  

最内层的维度的值是4,第二层的维度的值是2,第一层的维度的值也是2.

transpose函数

>>> d = a.transpose(0,1,2)
>>> d.shape
(2, 2, 4)
>>> 

当transpose的参数是(0,1,2)时,(0,1,2)代表的是矩阵的1,2,3维在原来的位置上,矩阵结构不变。

>>> e = a.transpose(0,2,1)
>>> e
array([[[ 0,  4],
        [ 1,  5],
        [ 2,  6],
        [ 3,  7]],

       [[ 8, 12],
        [ 9, 13],
        [10, 14],
        [11, 15]]])
>>> e.shape
(2, 4, 2)

当参数变为(0,2,1)时,表示将原来的第3维放在第2维,将原来的第2维放在第3维.

参考资料:
https://docs.scipy.org/doc/numpy/reference/generated/numpy.ndarray.transpose.html
https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.ndarray.shape.html

1. 创建ndarray数组: np.array()、np.zeros()、np.ones()、np.full()、np.arange()、np.linspace()、np.random.rand()、np.random.randn()、np.random.randint() 2. 数组属性: ndarray.shapendarray.dtype、ndarray.ndim、ndarray.size、ndarray.itemsize、ndarray.nbytes 3. 数组索引和切片: ndarray[index]、ndarray[start:end]、ndarray[start:end:step]、ndarray[condition]、ndarray[condition][condition]、ndarray[condition & condition]、ndarray[condition | condition] 4. 数组运算: ndarray +、ndarray -、ndarray *、ndarray /、ndarray //、ndarray %、ndarray **、ndarray +=、ndarray -=、ndarray *=、ndarray /=、ndarray //=、ndarray %=、ndarray **= 5. 数组函数: np.sort()、np.argsort()、np.concatenate()、np.split()、np.vstack()、np.hstack()、np.transpose()、np.dot()、np.sum()、np.mean()、np.std()、np.max()、np.min()、np.exp()、np.log()、np.power()、np.clip()、np.where()、np.unique()、np.save()、np.load()、np.savetxt()、np.loadtxt() 6. 数组广播: ndarray + scalar、ndarray + ndarrayndarray * scalar、ndarray * ndarray 7. 数组复制: ndarray.copy()、ndarray.view()、ndarray.ravel()、ndarray.flatten()、ndarray.resize()、ndarray.transpose()、ndarray.swapaxes()、ndarray.squeeze()、ndarray.repeat() 8. 数组比较: ndarray ==、ndarray !=、ndarray >、ndarray >=、ndarray <、ndarray <=、np.array_equal() 9. 数组逻辑: np.logical_and()、np.logical_or()、np.logical_not()、np.logical_xor() 10. 数组迭代: for i in ndarray:、ndarray.flat、ndarray.flatten()、np.nditer()
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
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