NumPy中函数参数中的"size"和"shape"有什么区别？

Question

我注意到一些numpy操作使用一个名为shape的参数，例如np.zeros，而其他一些操作使用一个名为size的参数，例如np.random.randint。对我来说，这些参数具有相同的功能，它们有不同的名称有点令人困惑。实际上，size似乎有些不合适，因为它实际上指定了输出的.shape。

是否有不同的命名原因，它们传达了不同的含义，即使它们最终都等于输出的.shape？

- P-Gn

---

我不这么认为。它是社区开发的，确保一致性并不总是容易的。我同意你的观点。在NumPy上下文中，“shape”似乎是更好的参数名称选项。实际上，两者之间的关系是 size = np.prod(shape)，因此参数名称的区别确实应该更加明显。 - armatita

randint使用size参数名称，但在解释中使用shape。这不应与真正的size属性混淆。 - hpaulj

我建议您更改标题，以更好地反映您谈论的是参数名称而不是属性。 - Mayou36

@Mayou36 好建议。已完成。 - P-Gn

也许你可以鼓励他们将评论转化为答案！ - ViktorStein

Answer 1

形状指的是N维数组的维度大小。

大小指的是数组中包含的元素数量（或个数）（有时也可以表示为数组的顶部维度，当用作长度时）。

例如，假设a是一个矩阵。

1  2  3  4
5  6  7  8
9 10 11 12

a 的形状为 (3, 4)，a 的大小为 12，a[1] 的大小为 4。

- Uriel

---

我认为 OP 已经理解了。他/她质疑参数名称的选择。例如，randint 要求一个大小（int），但实际上可以接受元组（在 numpy 中通常被解释为形状）。 - armatita

我认为我们可以说 a.shape.prod() = a.size。 - Euler_Salter

@Euler_Salter，是的，但这不是问题所在。问题在于参数名称shape和size。在参数中，它们具有相同的目的，并且不遵循您指出的关系。（它们遵循shape == size） - Mayou36

Answer 2

因为你正在使用一个被视为C数组的numpy数组，所以size指的是你的数组有多大。此外，如果你可以传递np.zeros(10)或np.zeros((10))。虽然差别微小，但这种方式传递的size将为您创建一个1D数组。您可以给size=(n1, n2, ..., nn)，这将创建一个nD数组。

然而，由于Python用户想要多维数组，array.reshape允许您从1D获取到nD数组。因此，当您调用shape时，您会得到数组的N维形状，因此您可以准确地看到您的数组的外观。

实质上，size等于shape元素的乘积。

编辑：名称的差异可以归因于两个部分：首先，您可以使用大小初始化数组。但是，您不知道它的形状。因此，size仅用于元素的总数。其次，numpy的开发方式不同，不同的人在代码的不同部分工作，根据他们对代码的个人看法，为大致相同的元素赋予不同的名称。

- Marian D

---

我不确定你想用 np.zeros(10) 和 np.zeros((10)) 的区别来解释什么。你是不是指的是 np.zeros((10, ))（也就是说，第二个实际上是一个元组）？ - alichaudry

Answer 3

随机数组：

[[-2. -1.  0.  1.  2.]
 [-2. -1.  0.  1.  2.]
 [-2. -1.  0.  1.  2.]]

这里有一个区别：

print(your_np_arr.shape)  # (3, 5)
print(your_np_arr.size)   # 15

- Scott