numpy 数组的维度和长度有什么区别?

时间:2021-06-21 10:38:33

标签: python arrays numpy

import numpy as np
A=np.full([63,51,121], 0.0)
print (A)
A.ndim
len(A)

我对数组 A 的维度和长度感到困惑。我认为数组 A 是一个由 51x121 阶的 63 个矩阵组成的数组。第一个索引 .i.e. 63、指的维数是多少?经过进一步研究,我偶然发现了命令,len。和 ndim。 长度命令给我 63 作为响应,但 ndim 告诉它是一个 3 维数组。我对计算机编程很陌生,如果我的数组是3D的,如何创建一个超过3维的对比来查看和比较差异。如何可视化此类数组,以及如何在此类情况下完成索引和切片。

1 个答案:

答案 0 :(得分:0)

np.full 的第一个参数是 shape,它定义了 np 数组每个维度的长度。

在引擎盖下,numpy 中的三维形状对象是数组内嵌套的数组,因此 [63,51,121] 的值 shape 将为您提供一个长度为 63 的外部数组,每个元素其中是一个长度为51的嵌套数组,其中每个元素又是121个0.0的嵌套数组。


这就是为什么 A.ndim 给你 3 - A 是一个 3D 对象,而外部数组的 len(长度)是 63。

尝试运行 A.shapelen(A[0]),这有望让您了解事情的运行情况。

相关问题