笔记：对numpy中shape的理解

本文转载自：http://blog.csdn.net/by_study/article/details/67633593

环境：Windows， Python2.7

一维情况：

>>>> import numpy as np  >>> a = np.array([2,3,33])  >>> a  array([ 2 3 33 ])  >>> print a  [ 2 3 33 ]  >>> a.shape  (3, )

一维情况中array创建的可以看做list（或一维数组），创建时用（）和[ ]都可以，多维也一样，两种方法创建后的输出显示结果也相同，这里使用[ ]进行创建

输出a的shape会显示一个参数，就是这个list中元素个数

创建时也可以直接使用np.zeros([1])，这样会创建全0的list，或者np.ones([1])，不需要我们输入数据，见下图：

>>>> a = np.zeros([1])  >>> b = np.ones([1])  >>> print a  [ 0. ]  >>> print b  [ 1. ]

二维情况：

>>>> a = np.array([[2,2,2],[3,3,3]])  >>> print a  [[ 2  2  2 ]    [ 3  3  3 ]]  >>> a.shape  (2, 3)

二维情况中array创建的可以看做二维数组（矩阵），注意创建时需要使用2个[ ]，输出a的shape显示的（2,3）相当于有2行，每行3个数，使用np.ones创建结果如下：

>>>> a = np.ones([2, 3])  >>> print a  [[ 1.  1.  1. ]    [ 1.  1.  1. ]]

多维情况：

多维情况统一使用np.ones进行创建，先看三维情况：

>>>> a = np.ones([1,1,1])  >>> print a  [[[ 1.]]]  >>> a = np.ones([1,1,2])  >>> print a  [[[ 1.  1.]]]  >>> a = np.ones([1,2,1])  >>> print a  [[[ 1.]    [ 1.]]]  >>> a = np.ones([2,1,1])  >>> print a  [[[ 1.]]     [[ 1.]]]

从上面的代码可以看出，三维情况创建时后面2个参数可以看做是创建二维数组，第1个参数看做创建的二维数组的个数，所以创建时输入的参数为2,3,2时，就相当于创建了2个3行2列的二维数组，如下：

>>>> a = np.ones([2,3,2])  >>> print a  [[[ 1.  1.]    [ 1.  1.]    [ 1.  1.]]     [[ 1.  1.]    [ 1.  1.]    [ 1.  1.]]]

然后看四维情况：

>>>> a = np.ones([1,1,1,1])  >>> print a  [[[[ 1.]]]]  >>> a = np.ones([1,1,1,2])  >>> print a  [[[[ 1.  1.]]]]  >>> a = np.ones([1,1,2,1])  >>> print a  [[[[ 1.]     [ 1.]]]]  >>> a = np.ones([1,2,1,1])  >>> print a  [[[[ 1.]]      [[ 1.]]]]  >>> a = np.ones([2,1,1,1])  >>> print a  [[[[ 1.]]]       [[[ 1.]]]]

从上面代码可以看出：四维时将第一个参数设置为2和第二个参数设置为2时，输出结果中间的空行数量不同，我把它理解成先创建1行1列的二维数组[[ 1. ]]，然后按照第2个参数打包这样的二维数组，如果第二个参数是2，则打包2个2维数组变成[[[ 1. ]]，[[ 1. ]]]（小包），然后按照第1个参数再打包这样的包，如果第一个参数是2，则变成[[[[ 1. ]], [[ 1. ]]], [[[ 1. ]], [[ 1. ]]]]（大包），就是下面的结果：

>>>> a = np.ones([2,2,1,1])  >>> print a  [[[[ 1.]]      [[ 1.]]]       [[[ 1.]]      [[ 1.]]]]

四维以上的结果也是这么理解~输出中区分参数用空行~

然后来看一下特定输出：

>>> import numpy as np  >>> m = np.ones([2,3,2,3])  >>> print m  [[[[ 1.  1.  1.]     [ 1.  1.  1.]]      [[ 1.  1.  1.]     [ 1.  1.  1.]]      [[ 1.  1.  1.]     [ 1.  1.  1.]]]       [[[ 1.  1.  1.]     [ 1.  1.  1.]]      [[ 1.  1.  1.]     [ 1.  1.  1.]]      [[ 1.  1.  1.]     [ 1.  1.  1.]]]]  >>> print m[1,:,:,:]  [[[ 1.  1.  1.]    [ 1.  1.  1.]]     [[ 1.  1.  1.]    [ 1.  1.  1.]]     [[ 1.  1.  1.]    [ 1.  1.  1.]]]  >>> print m[:,1,:,:]  [[[ 1.  1.  1.]    [ 1.  1.  1.]]     [[ 1.  1.  1.]    [ 1.  1.  1.]]]  >>> print m[:,:,1,:]  [[[ 1.  1.  1.]    [ 1.  1.  1.]    [ 1.  1.  1.]]     [[ 1.  1.  1.]    [ 1.  1.  1.]    [ 1.  1.  1.]]]  >>> print m[:,:,:,1]  [[[ 1.  1.]    [ 1.  1.]    [ 1.  1.]]     [[ 1.  1.]    [ 1.  1.]    [ 1.  1.]]]  

前面print m很好理解~

然后print m[1,：,：,：]，：代表默认值（就是一开始你输入时指定的值），这句代码相当于输出2个包中的第1个包（从0开始计数），这个包里面有3个小包，小包里面是2*3的二维数组，所以结果就是上面的~

然后print m[：,1,：,：]，相当于输出2个大包，每个大包输出第1个小包，小包里面是2*3的二维数组

然后print m[：,：,1,：]，相当于输出2个大包，每个大包输出3个小包，小包里面是二维数组的第1行

然后print m[：,：,：,1]，相当于输出2个大包，每个大包输出3个小包，小包里面是1*2的二维数组

其他结果可以自己去试试~

总结：采用np.array()创建时需要几个维度就要用几个[ ]括起来，这种创建方式要给定数据；采用np.ones()或np.zeros()创建分别产生全1或全0的数据，用a.shape会输出你创建时的输入，创建时输入了几个维度输出就会用几个[ ]括起来，shape的返回值是一个元组，里面每个数字表示每一维的长度