Python 理解numpy零

我正在处理的文件中有一段代码

np.zero（X[-1].shape[0]）

。这里我知道

numpy

正在赋值0，但是

形状[0]

在这里做了什么形状变量是一个看起来像

（cols，rows）

的元组。这意味着

shape[0]

指的是

X[-1]

的列数

shape

是一个长度等于数组维数的元组。因此，如果你有：

>>> a = np.array([[1, 2, 3], [4, 5, 6]])
>>> a.shape
(2, 3)

---

shape[0]

将引用第一个维度。

当您无法理解表达式时，可以将其分解：

np.zeros(X[-1].shape[0]))

这是对某个东西调用

np.zero

：

X[-1].shape[0]

X[-1].shape

…正在访问以下内容的第一个元素，

[0]

：

X[-1].shape[0]

X[-1].shape

…正在访问以下项的

形状
属性：

X[-1]

现在，假设X是多维数组
X[-1]
是该数组的最后一行。这是另一个数组

因此
X[-1].shape
是数组的属性：一个维度序列

因此，如果
X
是一个3x3x3数组，那么
X[-1]
将是一个3x3数组，因此
X[-1]。形状
将是
（3，3）

而
X[-1]。形状[0]
只是第一个维度：
3

因此，我们正在创建一个一维零数组，其大小是
X
行的第一个维度。看起来
X
很可能是一个列表或数组，因此取
X[-1]
返回最后一个元素，该元素必须是一个数组或一个片段。然后获取该数组或切片的形状，并返回第一个维度的长度。例如，如果您有一个数组列表：

>>> X = [ np.array([1,2,3]), np.array([[4,5,6],[7,8,9]]), np.array([10,11]) ]
>>> X[-1]
np.array([10., 11.])
>>> X[-1].shape
(2,)
>>> X[-1].shape[0]
2
>>> np.zeros(X[1].shape[0])
array([ 0.,  0.])

如果
X
只是一个numpy数组，那么最后一个元素将是一个切片：

>>> X = np.arange(27).reshape(3,3,3)
>>> X[-1]
array([[18, 19, 20],
       [21, 22, 23],
       [24, 25, 26]])
>>> X[-1].shape
(3, 3)
>>> X[1].shape[0]
3
>>> np.zeros(X[1].shape[0])
array([ 0.,  0.,  0.])

请指定
X的值