NumPy数组维度

【介绍】

数组维数

现在我们已经创建了一维和二维数组，

让我们深入了解 NumPy 的主要优势之一：处理任何维度数据的能力。

由于以更高维度保存的数据可能更难处理，我们还将学习如何检查和更新数组形状。

让我们潜入！

3D 数组

就像我们可以通过向 NumPy 提供列表列表来创建 2D 数组一样，我们可以通过创建列表的列表的列表来创建 3D 数组。

或者，我们可以创建一个 2D 数组的数组。

为此，我们将 2D 数组列表传递给 np.array()。

我们可以将 3D 阵列可视化为一堆形状相同的 2D 数组堆叠在一起。

array_1_2D = np.array([[1,2], [5,7]])

array_2_2D = np.array([[8,9], [5,7]])

array_3_2D = np.array([[1,2], [5,7]])

array_3D = np.array([array_1_2D, array_2_2D, array_3_2D])

4D数组

四维数组可能更难可视化，因为我们没有第四维。将 4D 阵列视为充满 3D 阵列的 2D 阵列。

array_4D = np.array([array_A_3D, array_B_3D,array_C_3D,array_D_3D,array_E_3D,array_F_3D,array_G_3D, array_H_3D,array_I_3D])

向量数组

程序员和 NumPy 文档有时将数组称为向量（vectors）、矩阵（matrices）或张量（tensors）。

这些是数学术语而不是 NumPy 术语；它们都描述了数组的类型。

它们之间的区别在于数组具有的维数。

向量是指具有一维的数组。

NumPy 中的行和列（或水平和垂直）向量之间