numpy数组的形状(shape)和长度(len)的区别

Question

比较shape和len有什么区别（例如性能）？考虑下面的例子：

In [1]: import numpy as np

In [2]: a = np.array([1,2,3,4])

In [3]: a.shape
Out[3]: (4,)

In [4]: len(a)
Out[4]: 4

快速运行时比较表明没有区别：

In [17]: a = np.random.randint(0,10000, size=1000000)

In [18]: %time a.shape
CPU times: user 6 µs, sys: 2 µs, total: 8 µs
Wall time: 13.1 µs
Out[18]: (1000000,)

In [19]: %time len(a)
CPU times: user 5 µs, sys: 1 µs, total: 6 µs
Wall time: 9.06 µs
Out[19]: 1000000

那么，区别在哪里？哪个更符合Python风格呢？（我猜是使用shape）。

- Dror

Answer 1

我不认为在这里需要担心性能——任何差异都应该非常微小。

我认为更符合Python风格的选择可能是更符合你的需求：

a.shape 可能包含比 len(a) 更多的信息，因为它包含了所有轴向上的大小，而 len 只返回第一个轴向上的大小：

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

如果您只使用一维数组，那么我个人更喜欢在需要数组大小时使用len(a)。

- sebastian

---

完整性起见：a.shape[0] == len(a)。 - Imanol Luengo

为了完整起见，a.size也是一个选项。尽管个人更喜欢len(a)，以防万一a不是numpy数组，在你不小心的时候有时会发生这种情况。 - Mong H. Ng

Answer 2

从源代码来看，shape 基本上使用了 len()： https://github.com/pandas-dev/pandas/blob/master/pandas/core/frame.py

@property
def shape(self) -> Tuple[int, int]:
    return len(self.index), len(self.columns)

def __len__(self) -> int:
    return len(self.index)

调用shape将尝试运行两个维度计算。因此，df.shape[0] + df.shape[1]可能比len(df.index) + len(df.columns)慢。尽管如此，在性能方面，除了一个巨大的2D dataframe之外，差异应该可以忽略不计。

因此，与之前的答案一致，如果您需要两个维度，请使用df.shape，对于单个维度，从概念上讲，len()更合适。

查看property vs method答案，所有的指向都是代码的可用性和可读性。因此，再次强调，在您的情况下，如果您想要有关整个数据框的信息，只是为了检查或者例如将形状元组传递给函数，请使用shape。对于单列，包括索引（即df的行），请使用len()。

- Bish

Answer 3

其实有微小的差异。如果您处理时间序列数据并知道数据是向量（1D），请使用len，因为它更快，并养成习惯，即使只是非常微小的差异。 Bish的回答已经解释了幕后发生了什么。

使用%%timeit进行适当的基准测试（我测试了几次），结果显示len胜出：

# tested on pandas DataFrame

%%timeit
len(yhat.values)
# 576 ns ± 1.4 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

%%timeit
yhat.values.shape[0]
# 607 ns ± 1.07 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

此外，在 1D 中，len 作为长度比 .shape[0] 更具信息性（在阅读代码时） 。

- Muhammad Yasirroni

---

得到了非常相似的结果，len()函数稍微更快。https://twitter.com/pfedprog/status/1499894398032744450?s=20&t=tOd_np7pKpB4rFt8tN85Ow - Pavel Fedotov

Answer 4

对于一维情况，len和shape将产生相同的结果。 对于其他情况，shape会提供更多信息。这取决于程序在哪个方面提供更好的性能。我建议您不要过于担心性能。

- Ashiq Imran

---

尝试：len(np.array([0,2]))，type(np.array([0,2]).shape)。 len 返回一个整数，shape 返回一个整数元组。如果实际在代码中使用结果而不是通过视觉检查，则这很重要。 - Mark_Anderson

Answer 5

import numpy as np

x = np.linspace(1, 10, 10).reshape((5, 2))
print(x)
print(x.size)
print(len(x))

会输出以下内容：

[[ 1.  2.]
 [ 3.  4.]
 [ 5.  6.]
 [ 7.  8.]
 [ 9. 10.]]
10
5

- user10121139