Python 关于numpy数组的维数问题

我正在同时学习物理和数学。Numpy说我的3x3矩阵是二维的，但在我的物理书或3blue1brown《线性代数的本质》中，3x3矩阵是三维的

#a '2d' array, created using identity
i2d = np.identity(3)  

print(i2d)

print('this is a %s-D array, shape is %s with %s elements'%(i2d.ndim, i2d.shape, i2d.size))


YIELDS:

[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]
this is a 2-D array, shape is (3, 3) with 9 elements

---

在线性代数中，这定义了一个具有3个垂直基向量的三维空间。任何人都知道我遗漏了什么。

在numpy中，

shape

属性提供了

（3,3）

并表示行和列的数量-在物理上下文中，长度为3的3个基向量构成了三维空间的基础

数组的Numpy

ndim

属性引用数组的“嵌套”数量。你有一个数组，所以你有两个维度

通常，如果数组的元素是数组本身，则维度为2。要访问这样的数组中的任何元素，您需要两个索引，每个维度一个索引。i、 e.

arr[i][j]

如果数组的元素是数组，并且这些数组的元素也是数组，则维度为3，需要3个索引才能访问任何元素，即

arr[i][j][k]

。您的嵌套数组结构如下所示：

[
[ 
[ 1, 2, 3 ],
[ 4, 5, 6 ],
[ 7, 8, 9 ]
],
[ 
[ 1, 0, 0 ],
[ 0, 1, 0 ],
[ 0, 0, 1 ]
],
...
]

从物理意义上讲，

shape

属性应该是您所关注的

---

对于3-空间的基，3x3矩阵。对于4维空间、4x4矩阵等的基础。

矩阵可以表示任意n维空间中的线性变换，或者表示从n维空间中提取的一组数据点，但矩阵本身的维数是不同的。