Python numpy:“我不知道；“尺寸”；vs.“；形状“；在函数参数中？

我注意到一些numpy操作使用名为

shape

的参数，如

np.zeros

，而另一些操作使用名为

size

的参数，如

np.random.randint

。对我来说，这些参数具有相同的功能，而且它们具有不同的名称这一事实有点令人困惑。实际上，

size

似乎有点不合适，因为它确实指定了输出的

.shape

---

是否有理由使用不同的名称，即使它们最终都等于输出的

.shape

，它们是否表达了不同的含义？

shape

与N维数组的维度的大小有关

大小

关于数组，与数组中包含的元素的数量（或计数）有关（有时，当用作长度时，位于数组的顶部维度）

例如，将

a

设为矩阵

1  2  3  4
5  6  7  8
9 10 11 12

---

a

的形状是

（3,4）

，

a

的大小是12，

a[1]

的大小是4。

因为您使用的是一个numpy数组，它被视为一个C数组，

大小是指数组的大小。此外，如果您可以传递
np.zero（10）
或
np.zero（（10））
。虽然差别很小，但通过这种方式传递的
size
将创建1D数组。您可以给出
size=（n1，n2，…，nn）
，它将创建一个nD数组

但是，由于python用户需要多维数组，
array.reshape
允许您从一维数组转换为nD数组。因此，当您调用
shape
时，您将得到数组的N维形状，这样您就可以准确地看到数组的外观

本质上，
大小
等于
形状
元素的乘积

编辑：名称上的差异可归因于两个部分：首先，您可以使用大小初始化数组。然而，你不知道它的形状。因此，
size
仅用于元素总数。其次，numpy是如何开发的，不同的人处理代码的不同部分，根据他们对代码的个人看法，为大致相同的元素赋予不同的名称
 我不这么认为。它的社区得到了发展。确保一致性并不总是容易的。我同意你的看法。在我看来，Shape（在numpy上下文中）似乎是参数名的更好选项。两者之间的实际关系是
size=np.prod（shape）
，因此在参数名称中的区别确实应该更加明显。
randint
使用
size
参数名称，但在解释中使用
shape
。这不能与真实的
size
属性混淆。我建议您更改标题，以更好地反映您谈论的是参数名称而不是属性这一事实。@Mayou36好建议。完成。为什么不接受答案？我想OP明白这一点。他/她对论点的名称选择提出质疑。例如，
randint
要求一个大小（int），但实际上可以取元组（在numpy中通常被解释为一个形状）。我想我们可以说
a.shape.prod（）=a.size
@Euler\u Salter，是的，但这不是问题所在。问题是关于参数名称
shape
和
size
。在辩论中，他们的目的是一样的，不符合你所指出的关系。（它们遵循
形状
==
大小
）我不确定你想用
np.zero（10）
vs
np.zero（10））
来解释什么。你是说
np.zero（（10，）
（也就是说，第二个实际上是一个元组）？