Python 单支架Numpy阵列和双支架Numpy阵列之间的区别？

这两个numpy对象之间有什么区别

import numpy as np
np.array([[0,0,0,0]])
np.array([0,0,0,0])

---

当您定义一个带有两个方括号的数组时，您真正要做的是声明一个包含4个0的数组。因此，如果您想访问第一个零，您将访问

您的_数组[0][0]

而在第二个数组中，您只需访问

您的数组[0]

。也许一个更好的可视化方法是

array: [
[0,0,0,0],
]

vs

---

前者是一个1 x 4的二维数组，后者是一个4元素的一维数组。

单括号和双括号的区别从列表开始：

In [91]: ll=[0,1,2]
In [92]: ll1=[[0,1,2]]
In [93]: len(ll)
Out[93]: 3
In [94]: len(ll1)
Out[94]: 1
In [95]: len(ll1[0])
Out[95]: 3

ll

是一个包含3项的列表

ll1

是一个包含1项的列表；那个项目是另一个列表。请记住，列表可以包含各种不同的对象、数字、字符串、其他列表等

这两个表达式有效地从两个这样的列表中生成数组

In [96]: np.array(ll)
Out[96]: array([0, 1, 2])
In [97]: _.shape
Out[97]: (3,)
In [98]: np.array(ll1)
Out[98]: array([[0, 1, 2]])
In [99]: _.shape
Out[99]: (1, 3)

此处列表列表已转换为二维数组。以一种微妙的方式

numpy

模糊了列表和嵌套列表之间的区别，因为两个数组之间的区别在于它们的形状，而不是基本结构

array（ll）[None，：]

生成

（1,3）

版本，而

array（ll1）.ravel（）生成
（3，）
版本

最终的结果是，单括号和双括号之间的区别在于数组维度的数量不同，但我们不应该忽视Python首先创建不同列表的事实。
维度。看看今天早些时候的类似问题：对于
np.array
，最好使用
x[0，0]进行索引
numpy
数组比嵌套列表具有更强大的索引方法。没错，但对于提出此类问题的人，我认为这可能是一种更简单的解释方法，符号（4，）是什么意思？4行和未定义的列数？为什么第二个操作的结果不是（，4）？
shape
属性返回一个标准的python
tuple
，其中数字是每个维度的元素数。因此，
（4，）
是一个标准的1元素python
元组，元素的值为
4
<代码>（，4）
不是有效的元组。我不确定，但（4，）并不意味着只有4行和一列，即，它是一维数组？（1,4）的第二个输出将意味着1行4列，因此不应该表示输出有4个维度，因为它有4列？后者
（4，）
数组没有任何“列”，因为它是1d。有列意味着它是2d。@匿名用户
ll1
它仍然是一个只有1项的列表（但该项是3项的列表）
In [91]: ll=[0,1,2]
In [92]: ll1=[[0,1,2]]
In [93]: len(ll)
Out[93]: 3
In [94]: len(ll1)
Out[94]: 1
In [95]: len(ll1[0])
Out[95]: 3

In [96]: np.array(ll)
Out[96]: array([0, 1, 2])
In [97]: _.shape
Out[97]: (3,)
In [98]: np.array(ll1)
Out[98]: array([[0, 1, 2]])
In [99]: _.shape
Out[99]: (1, 3)