`numpy.array(value)` 的意思是什么？

Question

`numpy.array(value)` 的意思是什么？

numpy

3

numpy.array(value)会在value为int、float或complex类型时评估为true。该结果似乎是一个无形状数组（numpy.array(value).shape返回()）。

将上述内容进行如下重塑numpy.array(value).reshape(1)能够正常工作，而numpy.array(value).reshape(1).squeeze()则可以将其反转，并再次生成无形状的数组。

这种行为背后的原理是什么？有哪些使用案例需要注意此行为呢？

- fabianegli

你从一个标量得到另一个标量，这有什么不合理的地方呢？ - Mad Physicist

此外，调用squeeze时缺少括号。 - Mad Physicist

如果您不想得到一个标量，可以传递 ndmin=1。 - Mad Physicist

1

据我理解，标量不是数组。但是type(np.array(11))是numpy.ndarray。我的问题不在于我不理解标量或数组的含义，而是numpy将标量归类为数组类型。 - fabianegli

2

这是一个0D数组，不是无形状的，其形状是零长度元组()。这并没有什么不合逻辑的地方。它也非常有用，例如，如果您正在编写一个希望能够处理数组和标量的函数。 - Paul Panzer

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Mad Physicist · Accepted Answer

当你创建一个零维数组，例如np.array(3)时，你得到的是一个在99.99%的情况下表现为数组的对象。你可以检查它的基本属性：

>>> x = np.array(3)
>>> x
array(3)
>>> x.ndim
0
>>> x.shape
()
>>> x[None]
array([3])
>>> type(x)
numpy.ndarray
>>> x.dtype
dtype('int32')

到目前为止还不错。这背后的逻辑很简单：只需将任何类似数组的对象包装在 np.array 的函数调用中，就可以以相同的方式处理它，无论它是数字、列表还是数组。

需要记住的一件事是，当您索引一个数组时，索引元组必须具有 ndim 或更少的元素。所以你不能这样做：

>>> x[0]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
IndexError: too many indices for array

相反，你必须使用一个零大小的元组（因为 x[] 是无效的语法）：

>>> x[()]
3

您也可以将数组用作标量：

>>> y = x + 3
>>> y
6
>>> type(y)
numpy.int32

将两个标量相加会生成一个dtype的标量实例，而不是另一个数组。话虽如此，在99.99%的情况下，您可以像使用x一样使用本示例中的y，因为dtypes继承自ndarray。由于np.add将其包装在array中，所以Python中的int 3并不重要。y = x + x将产生相同的结果。

这些示例中x和y之间的一个区别是，x在官方上被认为不是标量:

>>> np.isscalar(x)
False
>>> np.isscalar(y)
True

索引问题可能会使您计划索引任何类似于数组的对象受阻。您可以通过在构造函数中提供ndmin=1参数或使用reshape轻松解决它：

>>> x1 = np.array(3, ndmin=1)
>>> x1
array([3])

>>> x2 = np.array(3).reshape(-1)
>>> x2
array([3])

我通常建议使用前一种方法，因为它不需要对输入的维度有先前的了解。

进一步阅读:

为什么在Numpy中0d数组不被视为标量？