Numpy里面的ndim的记录总结

本文介绍了numpy数组与列表的区别,强调numpy的向量化操作、数据类型一致性及固定大小特点。重点讲解了ndim(数组的轴数)和shape(数组的维度)的概念,通过实例展示了如何理解和计算ndim与shape。例如,给定一个三维数组a,其shape为(1,3,4),ndim为3。理解shape的关键在于识别中括号的层数。此外,还提供了一种快速判断shape的方法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

首先,numpy和List的区别

1.numpy最大的亮点,就是可以向量化操作。
2.numpy里面的元素必须是同一类型的;List里面的元素数据类型是任意的。
3.numpy里一旦创建了ndarray,大小就固定下来了;List大小可以变化。
4.numpy具有广播机制。

再来ndim的理解,谈到ndim,就得想到shape,它们之间有很大的联系。

1.ndarray.ndim
数组的轴(维数)的个数,python里面,维度的数量称之为秩(区别于线性代数里面的)。
2.ndarray.shape
数组的维度,通俗的讲就是n行m列,则返回(n,m)的一个tuple,因此len('shape') = ndim。

举几个例子说明

import numpy as np
a = np.array([[[1,2,3,4],[6,7,4,
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值