如何可视化python numpy数组中的维数

我正在使用ndim（）试验一个数组中的不同维度

形状是：

[[[ 0  1  2  3  4]
  [ 5  6  7  8  9]
  [10 11 12 13 14]
  [15 16 17 18 19]
  [20 21 22 23 24]
  [25 26 27 28 29]
  [30 31 32 33 34]
  [35 36 37 38 39]
  [40 41 42 43 44]
  [45 46 47 48 49]
  [50 51 52 53 54]
  [55 56 57 58 59]
  [60 61 62 63 64]
  [65 66 67 68 69]
  [70 71 72 73 74]
  [75 76 77 78 79]
  [80 81 82 83 84]
  [85 86 87 88 89]
  [90 91 92 93 94]
  [95 96 97 98 99]]]

之后，

print x.ndim

显示数组维度为3

我无法想象为什么维度是3

---

维数为0,1,2,3,4,5的数组的形状如何？

计算维数的简单方法是在输出中计算

[

。一个

[

表示一个维数。这里有三个

[

s，因此您有3个维度。由于其中一个维度是1，您可能会被误导。下面是另一个示例：

x=np.arange（0,24,1）。重塑（2,2,6）

然后，

x

array([[[ 0,  1,  2,  3,  4,  5],
        [ 6,  7,  8,  9, 10, 11]],

       [[12, 13, 14, 15, 16, 17],
        [18, 19, 20, 21, 22, 23]]])

---

现在，很明显，

x

是一个三维数组。

如果你做了

。重塑（20,5）

，那么将有两个维度，如果你做了

。重塑（1,1,20,5）

将有4个维度，等等。您的numpy数组有3个维度，但数组的内容只有2个维度，因为其中一个数组维度具有单位长度。@Spencer简单地说，，，重塑函数中的参数数量会决定数组的维度吗？@user3211991是。请记住，新的hape必须与原始数组中的元素总数兼容，如中所述。

array([[[ 0,  1,  2,  3,  4,  5],
        [ 6,  7,  8,  9, 10, 11]],

       [[12, 13, 14, 15, 16, 17],
        [18, 19, 20, 21, 22, 23]]])