Python &引用；“正确”；与numpy对象交互的方法

我一直在断断续续地使用scientific python（通过pylab import*）作为免费的Matlab替代品，主要用于化学工程方面的工作（我是IPython笔记本的粉丝）。我总是觉得奇怪的是，通常有两种不同的方式与对象交互。例如，如果我有一个数组，我可以用两种方式来判断它的维数：

a=数组（[1,2,3]，[2,3,4]）

有“Matlab”的方法：

shape（a）

或者，我可以通过键入以下内容来查找：

a.shape

这似乎与Python的禅宗格格不入：“应该有一种——最好只有一种——显而易见的方法来做到这一点。”

---

我只是想知道为什么做同一件事有多种方法，哪种方法对语言来说更基本/更自然，从长远来看更适合使用。

使用这种方法更好。毕竟，

shape

的实现只是简单地服从于方法（从

/numpy/core/fromnumeric.py

）：

我假设其中包含了很多pylab内容，以帮助来自MATLAB的人简化转换。习惯它吧，因为有更多的例子表明numpy是，嗯，不是很像蟒蛇

---

当你越来越习惯python和matplotlib时，你可能会想抛弃pylab import*中的

，开始编写更多的numpythonic代码，而不是MATLAB风格的工作。
这主要取决于你的偏好，但也有一些差异，你可能需要注意。首先，您应该使用
numpy.shape（a）
或
np.shape（a）
而不是
shape（a）
，这是因为“名称空间是一个非常好的主意——让我们做更多的事情吧！”但实际上，numpy有几个名称，您可能会在其他python模块中找到，ie
array
在python stdlib中显示为
array.array
，
numpy.array
和
numpy.ma.array
，为了避免混淆其他人（和你自己），只需继续操作，避免导入整个numpy名称空间

除此之外，
numpy.shape
和大多数其他类似函数只需在参数上查找shape属性/方法，如果找不到，则尝试将参数转换为数组。代码如下：

def shape(a):
    try:
        result = a.shape
    except AttributeError:
        result = asarray(a).shape
    return result

如果您想要“类似于数组”的对象的形状，这可能非常有用，您会注意到大多数numpy函数都采用“类似于数组”的参数。但是，如果您正在执行以下操作，则速度可能会很慢：

shape = np.shape(list_of_lists)
mx = np.max(list_of_lists)
mn = np.min(list_of_lists)

除此之外，它们几乎是一样的

shape = np.shape(list_of_lists)
mx = np.max(list_of_lists)
mn = np.min(list_of_lists)