python之Numpy的行列维度、axis=0/1/2...便捷记忆方法

本文关键词: 行列习惯 行列习惯 行列习惯！

一、行列维度

A = np.array([1, 2, 3, 4, 5, 6])	# 一维
print(A.shape)
>>>(6,)					# 1X6 （1行6列）


B = np.array([[1, 2], [3, 4], [5, 6]])	# 二维
print(B.shape)
>>>(3, 2)				# 3X2 （3行2列）

C = np.array([[[1], [2]], [[3], [4]], [[5], [6]]])	# 三维
print(C.shape)
>>>(3, 2, 1)				# 可以看到新增加的维度是从左边插入的

矩阵Tips

1. 行列习惯： 一般说话的习惯是行列 (很少有人习惯说列行吧) ，所以在矩阵中 m x n 就是m行×n列。
2. 维度是从0开始索引的，矩阵有两个维度，第一个是0维度，第二个是1维度，其中0维度对应行，1维度对应列，符合行列习惯。（上面的代码中生成了3×2的数组B，即0维度有3个元素，1维度有2个元素。）
3. 一维数组一定要用 1 × n 来记！！

奇怪的分析(可能是错的，看了忘了就好)

1. 左边插入： 对A,B,C三个数组分析即可知道新增加的维度是从左边插入的 (那为啥0维度是行而不是列？ 有点矛盾啊)
2. 一维数组为啥是 (6 , ) 而不是 (, 6) 。这样才能对应上 (行，列) 吧？
3. 两个矩阵的乘积（例如Y*Z）必须要满足：Y的1维