NumPy的ndarray形状有三个参数

Question

我可以帮忙翻译中文。以下是需要翻译的内容：

当提供3个参数时，我对ndarray的形状感到困惑：

例如，下面两者有何不同：

np.zeros((2, 1, 3))
array([[[ 0.,  0.,  0.]],

       [[ 0.,  0.,  0.]]])

并且：

np.zeros((1, 2, 3))
array([[[ 0.,  0.,  0.],
        [ 0.,  0.,  0.]]])

在我看来，它们两个都代表着2*3的矩阵。

- user2505650

---

这里令人困惑的是第一维，因为你不容易看到维度为一的情况。如果你使用（2，3，4）进行尝试，你会立即看到差异。你可以随时使用 array.shape 测试你的numpy数组。 - Mr. T

计算括号-3组，而不是2组。它们传达了有关数组形状的真实信息。 - hpaulj

Answer 1

不，形状是不同的，需要注意方括号：

>>> np.zeros((2, 1, 3))
array([<b>[</b>[ 0.,  0.,  0.]<b>]</b>,

       <b>[</b>[ 0.,  0.,  0.]<b>]</b>])

对比：

>>> np.zeros((1, 2, 3))
array([<b>[</b>[ 0.,  0.,  0.],
        [ 0.,  0.,  0.]<b>]</b>])

正如你所见，在第一次调用中，我们在第二个维度有两次方括号成对出现，而在后者中，我们只有一个这样的括号对。

形状也不同：

>>> np.zeros((2, 1, 3)).shape
(2, 1, 3)
>>> np.zeros((1, 2, 3)).shape
(1, 2, 3)

因此，在前者中，我们有一个包含两个子列表的列表。每个子列表都包含一个元素：一个由三个元素组成的列表。在后者中，我们有一个包含一个元素的列表：一个具有两个元素的子列表，这两个元素都是由三个元素组成的列表。

因此，一个“香草Python”列表等价于：

[ [ [0, 0, 0] ], [ [0, 0, 0] ] ]

对比：

[ [ [0, 0, 0], [0, 0, 0] ] ]

- Willem Van Onsem

Answer 2

根据 numpy.zeros 文档，第一个参数是表示数组形状的序列或整数。

如果您仔细观察，嵌套的方括号会随着所构建的形状而有所不同。

以下示例可能会更清晰地说明此问题：

np.zeros((2, 3, 4))

array([[[ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.]],

       [[ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.],
        [ 0.,  0.,  0.,  0.]]])

- jpp

Answer 3

dim=1只是一个无用的维度，你可以将一个2x3的矩阵视为1x2x3的张量。

然而，从技术上讲，它们并不是完全相同的东西。因此，你可以看到输出中的括号[]并不完全相同，无用维度的[]位置不在同一位置。

要去除无用维度，请使用

arr = np.squeeze(arr)

- llllllllll