Question

在下面的代码中，尺寸和尺寸的形状randm是一样的，一维数组（3，）那么为什么尺寸=（3,3,2）＆amp; randm = [ - 1.10343097 -1.31819984 0.20597956]

Q.1为什么不同的括号（）vs [] Q.2每个支架的重要性（）＆amp; []

 image = np.array([[[ 0.67826139,  0.29380381],
        [ 0.90714982,  0.52835647],
        [ 0.4215251 ,  0.45017551]],

       [[ 0.92814219,  0.96677647],
        [ 0.85304703,  0.52351845],
        [ 0.19981397,  0.27417313]],

       [[ 0.60659855,  0.00533165],
        [ 0.10820313,  0.49978937],
        [ 0.34144279,  0.94630077]]])

size = np.shape(image)
print (str (size))
print (np.shape(size))

randm = np.random.randn(3)
print (randm)
print (np.shape(randm))

输出 -

(3, 3, 2)
(3,)
[-1.10343097 -1.31819984  0.20597956]
(3,)

Answer 1

image是一个多维numpy数组。它通过嵌套的列表列表（括号和逗号）定义。

image.shape是一个元组，因此显示为（）。

其他答案和所谓的重复，都集中在Python对列表和元组之间的区别。但这需要一个专注的答案。

一个简单的3d数组：

In [244]: x = np.array([[[1,2],[3,4]]])
In [245]: x
Out[245]: 
array([[[1, 2],
        [3, 4]]])

您可以将形状作为属性或通过函数调用

获取

In [246]: x.shape
Out[246]: (1, 2, 2)
In [247]: np.shape(x)
Out[247]: (1, 2, 2)

但是shape本身没有形状属性。 len(x.shape)会起作用，因为它是一个元组。

In [248]: (x.shape).shape
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-248-b00338a7f4bf> in <module>()
----> 1 (x.shape).shape

AttributeError: 'tuple' object has no attribute 'shape'

np.shape(...shape)令人困惑。 np.shape()首先将其输入转换为数组（如果它还没有）并返回其形状：

In [249]: np.shape(x.shape)
Out[249]: (3,)

所以我通常不会采用这种形状。然而，它确实证明了一个关键点。 (3,)是1元素元组。 ,很重要。 0d数组的形状元组是()。

下一部分制作一个3元素数组

In [250]: np.random.randn(3)
Out[250]: array([ 2.06265058,  0.87906775, -0.96525837])
In [251]: _.shape
Out[251]: (3,)
In [252]: print(__)
[ 2.06265058  0.87906775 -0.96525837]

再次，（3，）形状元组。数组的str显示使用括号，但省略逗号。这有助于将其与常规列表区分开来。

（还有一个数组类型显示为（），一个结构化数组。但这是一个更高级的主题。）

Answer 2

()表示法表示数据类型为tuple，而[]表示list。

此外，元组使用更少的内存，并且在列表可变时是不可变的。

Answer 3

(1,2,3) -Tuple
[1,2,3] -List

阅读本文以获取有关tuple and list

的更多信息

python中（1,2,3）与[1,2,3]之间有什么区别？

3 个答案: