Python 为什么numpy.shape（）有时无法识别更高的维度？

我意识到有人问过这个问题，但它们不是完全相同的问题，也没有任何令人满意的答案

假设我有一个浮动列表列表。（本例中为2x4x3x7）

但是

np.shape

不会返回正确的结果。 下面是演示问题的代码：

 m= np.array(m)
 print "shape:",m.shape
 # print "2:",m.shape[2] #error: tuple index out of bounds
 print m[0][0][0]

输出为：

shape: (2L, 4L)
[  1.72237368e+06   2.89463050e+06   4.95241789e+06   7.93088857e+07   1.32649567e+08   2.25869653e+08   3.91489578e+08]

关键是，

np.shape（）

给出了错误的结果，即当有4个维度时，只有2个维度

有人知道为什么吗

详细信息：

m

只是更大数组中的一行。我在做图像处理，对于每一帧，我都有不同的统计数据集，每个数据集都存储在这个形状数组中

所以这个

2x4x3x7

数组仅仅是一个帧，一千个其他帧中的一个。其他999没有这个问题。它们的

shape（）

工作正常。我看不出这个框架有什么特别之处

最终目标是根据某些参数提取横截面，并将其与其他图像进行比较。 例如：

m = np.array(m)
ms2 = m[:,1,:,5]

这是一个错误

无法将输入数组从形状（2,4,3,7）广播到形状（2）

三件事：

print(type(m))
print(type(m[0,0]) 
print(m[0,0,0])

---

我猜你有（2,4）

numpy数组

，它保存的对象可以被认为是

2D

，但是

numpy

完全不知道它。

你的输入可能不是2x4x3x7。你可能在某个地方有一个额外的元素或缺少的元素。再发布一次，你会再次被否决，然后重复关闭。无论你认为你真正的输入有什么样的网格结构，它可能实际上并没有那个结构。当然，您还没有发布一个，因此我们无法实际调试您的问题，因此出现了下一票。您可能正在其他数组中嵌套数组对象，而43155977的问题可能与此完全相同。查看Dawid的诊断，再看看

m.dtype

，如果它显示

对象

，那就更证明它是一个复制品。如果它是

float

或

int

，这是有用的信息。@johnktejik问题是，正如其他人所指出的，你的错误在于认为你拥有的任何列表都是正确的，无论你认为它是什么形状。注意，

numpy.ndarray

对象是真正的多维数组，也就是说，它们不是“交错”数组，每个元素都必须符合形状。所以如果你做了

np.array（[[1,2]，[3,4,5]]）

，它将返回一个包含两个元素的一维数组，即

shape==（2，）

你可能认为它应该是（2,2）或（2,3）。dtype=对象将是一个巨大的赠品。因此，除非您提供一个，否则这是唯一合理的猜测。这是一个常见的错误，以前曾经咬过numpy用户，我更愿意打赌您对列表对象的性质是错误的，而不是

numpy

是错误的。感谢您提供了一些建设性的东西。你能解释一下为什么numpy可能不“知道”这些物体吗？@johnktejik基本上，numpy并不假装聪明。它知道如何处理列表、元组和其他numpy.ndarray，但在其他情况下，它只会尝试创建一个传递给它的对象数组。将其转换为已知格式是您的责任。以numpy/core/records.py：“def array”为例。