Question

有人可以解释一下Numpy中（）和[]运算之间的区别吗？

例如，我运行了以下代码：

import numpy as np

x1 = np.array(([2, 9], [1, 5], [3, 6]), dtype=float)
print(x1)
print(type(x1))
x2 = np.array([[2, 9], [1, 5], [3, 6]], dtype=float)
print(x2)
print(type(x2))

y1 = np.array(([2, 9]), dtype=float)
print(y1)
print(type(y1))

y2 = np.array([[2, 9]], dtype=float)
print(y2)
print(type(y2))

x1和x2都具有相同的数据和类型，但是y1和y2不同。我认为y1和y2应该相同。有人可以解释y1和y2不同的原因吗？

Answer 1

数组y1和y2具有不同的形状。第一个是一维的，第二个是二维的。 [2, 9]周围的括号没有任何意义（因为其中只有一个元素和逗号）。参见下面以及第一条评论。

y1 = np.array(([2, 9]), dtype=float)
y1.shape  # (2,)
y2 = np.array([[2, 9]], dtype=float)
y2.shape  # (1, 2)

有关括号的内容

a = (3)
type(a)  # int
b = (3, )
type(b)  # tuple
c = (3, 4)
type(c)  # tuple

Answer 2

这实际上与Numpy无关。

此：

([2, 9], [1, 5], [3, 6])

是3个列表的元组。

此：

[[2, 9], [1, 5], [3, 6]]

是3个列表的列表。

由于元组和列表都是有序序列，因此numpy对待它们相同。

现在，这个：

([2, 9])

实际上是两个整数的列表-表达式仅强制执行求值的顺序-因此numpy获得的实际上是

[2, 9]

与此同时：

[[2, 9]]

是一个列表的列表（两个整数）。因此，当然numpy不会对它们进行相同的处理，因为它们确实不同。

这里的要点是构成元组的不是括号，而是昏迷，所以第一个例子：

([2, 9], [1, 5], [3, 6])

是真的：

[2, 9], [1, 5], [3, 6]

TL; DR：

对于第三个示例，您需要：

([2, 9],)

不是

([2, 9])

Answer 3

那个额外的括号没有任何改变。实际上是[2,9]。

还有另一个示例可以查看：

np.random.randn((((((((((((((((((((((1))))))))))))))))))))))

有效：

np.random.randn(1)

这不是Numpy的专长。只要包含单个表达式，几乎可以在任何地方添加括号。

相反，如果Python在括号或空括号内找到任何逗号分隔的值，则它将尝试转换为元组对象。

Answer 4

据我了解，在np.array中输入元组也称为列表，例如

a = np.zeros（（3,3））

array（[[0。，0.，0.]，          [0.，0.，0.]，          [0.，0.，0。]]）

就像我们在np.array中输入一个列表以进行零的初始化

a = np.zeros（[3,3]）

array（[[0。，0.，0.]，          [0.，0.，0.]，          [0.，0.，0。]]）

但是，如果您在简单的python中使用相同的模式进行初始化，则会将它们分别计为元组和列表。

a =（[[2,6]，[4,5]）

（[[2，6]，[4，5]）

“元组”类

b = [[2,6]，[4,5]]

类型（b）

类“列表”

Numpy中括号和方括号有什么区别？

4 个答案: