Python 3和4长度元组在numpy数组形状中指定了什么?
我无法理解,如果形状元组的长度为3或4,那么它意味着什么 例如,如果写入 案例1Python 3和4长度元组在numpy数组形状中指定了什么?,python,numpy,numpy-ndarray,Python,Numpy,Numpy Ndarray,我无法理解,如果形状元组的长度为3或4,那么它意味着什么 例如,如果写入 案例1 `np.ones((2))` #[1., 1.] 案例2 np.one((2,2))#[1,1.], [1,1.]] 案例3 `np.ones((2,2,2))` #[[[1., 1.], [1., 1.]], [[1., 1.], [1., 1.]]] 案例4 `np
`np.ones((2))` #[1., 1.]
案例2
np.one((2,2))
#[1,1.],
[1,1.]]
案例3
`np.ones((2,2,2))` #[[[1., 1.],
[1., 1.]],
[[1., 1.],
[1., 1.]]]
案例4
`np.ones((2,2,2,2))` #[[[[1., 1.],
[1., 1.]],
[[1., 1.],
[1., 1.]]],
[[[1., 1.],
[1., 1.]],
[[1., 1.],
[1., 1.]]]]
这里,在案例1中,当tuple的长度为1时,可以指定列的数量;当length为2时,我们可以像案例2那样指定列和行的数量。
长度为3和4的元组在这里指定了什么?它只是一个n维向量。因此,使用长度为3的元组定义三维向量,使用长度为4的元组定义四维向量。length 3:3维数组;长度4:4维数组。跟踪[]的使用。行和列是我们用于2d数组的术语,但不是numpy描述的正式部分。使用不同的维度可以使示例更清晰,例如
np.arange(12).重塑(3,4)
和np.arange(24).重塑(2,3,4)
。