对numpy中shape的深入理解

环境：Windows， Python2.7

一维情况：

<span style="font-size:14px;">>>> import numpy as np >>> a = np.array([2,3,33]) >>> a array([ 2 3 33 ]) >>> print a [ 2 3 33 ] >>> a.shape (3, )</span> 

一维情况中array创建的可以看做list（或一维数组），创建时用（）和[ ]都可以，多维也一样，两种方法创建后的输出显示结果也相同，这里使用[ ]进行创建

输出a的shape会显示一个参数，就是这个list中元素个数

创建时也可以直接使用np.zeros([1])，这样会创建全0的list，或者np.ones([1])，不需要我们输入数据，见下图：

<span style="font-size:14px;">>>> a = np.zeros([1]) >>> b = np.ones([1]) >>> print a [ 0. ] >>> print b [ 1. ]</span> 

二维情况：

<span style="font-size:14px;">>>> a = np.array([[2,2,2],[3,3,3]]) >>> print a [[ 2 2 2 ]  [ 3 3 3 ]] >>> a.shape (2, 3)</span> 

二维情况中array创建的可以看做二维数组（矩阵），注意创建时需要使用2个[ ]，输出a的shape显示的（2,3）相当于有2行，每行3个数，使用np.ones创建结果如下：

<span style="font-size:14px;">>>> a = np.ones([2, 3]) >>> print a [[ 1. 1. 1. ] [ 1. 1. 1. ]]</span>

多维情况：

多维情况统一使用np.ones进行创建，先看三维情况：

<span style="font-size:14px;">>>> a = np.ones([1,1,1]) >>> print a [[[ 1.]]] >>> a = np.ones([1,1,2]) >>> print a [[[ 1. 1.]]] >>> a = np.ones([1,2,1]) >>> print a [[[ 1.]  [ 1.]]] >>> a = np.ones([2,1,1]) >>> print a [[[ 1.]]   [[ 1.]]]</span> 

从上面的代码可以看出，三维情况创建时后面2个参数可以看做是创建二维数组，第1个参数看做创建的二维数组的个数，所以创建时输入的参数为2,3,2时，就相当于创建了2个3行2列的二维数组，如下：

<span style="font-size:14px;">>>> a = np.ones([2,3,2]) >>> print a [[[ 1. 1.]  [ 1. 1.]  [ 1. 1.]]   [[ 1. 1.]  [ 1. 1.]  [ 1. 1.]]]</span> 

然后看四维情况：

<span style="font-size:14px;">>>> a = np.ones([1,1,1,1]) >>> print a [[[[ 1.]]]] >>> a = np.ones([1,1,1,2]) >>> print a [[[[ 1. 1.]]]] >>> a = np.ones([1,1,2,1]) >>> print a [[[[ 1.]  [ 1.]]]] >>> a = np.ones([1,2,1,1]) >>> print a [[[[ 1.]]   [[ 1.]]]] >>> a = np.ones([2,1,1,1]) >>> print a [[[[ 1.]]]    [[[ 1.]]]]</span> 

从上面代码可以看出：四维时将第一个参数设置为2和第二个参数设置为2时，输出结果中间的空行数量不同，我把它理解成先创建1行1列的二维数组[[ 1. ]]，然后按照第2个参数打包这样的二维数组，如果第二个参数是2，则打包2个2维数组变成[[[ 1. ]]，[[ 1. ]]]（小包），然后按照第1个参数再打包这样的包，如果第一个参数是2，则变成[[[[ 1. ]], [[ 1. ]]], [[[ 1. ]], [[ 1. ]]]]（大包），就是下面的结果：