按照惯性思维,似乎两个形状指的都是1行4列,哪里有什么不一样嘛,怀疑我的高数吗,没下过100分呢。
尽管嘴上说这不可能,心里还是不服气,还是要试一下吧(-)
import numpy as np
arr1=np.arange(4).reshape(4,)
arr2=np.arange(4).reshape(1,4)
print('arr1:\n',arr1)
print('arr2:\n',arr2)
print('arr1.shape:',arr1.shape)
print('arr1.ndim:',arr1.ndim)
print('arr2.shape',arr2.shape)
print('arr2.ndim:',arr2.ndim)
从下面这个结果里,相信你能找到答案。
arr1:
[0 1 2 3]
arr2:
[[0 1 2 3]]
arr1.shape: (4,)
arr1.ndim: 1
arr2.shape (1, 4)
arr2.ndim: 2
沃德天,(1,4)的1行4列居然是二维的。
冷静一下,似乎有点道理,因为它又两根轴,只不过有一根的轴的长度只有1而已。
本文探讨了在Python的numpy库中,shape=(1,4)和shape=(4,)之间的区别。虽然两者看似都表示1行4列的数据,但实际形状差异体现在轴的数量上。实验结果显示,shape=(1,4)表示二维数组,具有一条长度为1的轴,而shape=(4,)则表示一维数组。理解这一差异对于正确处理和操作numpy数组至关重要。"
5939300,931462,Android模拟器GPS配置与使用指南,"['Android开发', 'GPS定位', '模拟器配置']
1039

被折叠的 条评论
为什么被折叠?



