np.shape[0],np.shape[1]

这篇博客详细介绍了numpy数组的shape属性使用,包括np.shape[0]、np.shape[1]等表示的含义。通过实例解析,展示了如何通过shape属性获取数组的维度长度,例如一维数组的元素个数,二维数组的行数和列数,以及多维数组的各维度大小。这对于理解和操作numpy数组至关重要。

数组中的shape的用法,有一个我们经常迷糊的用法,就是np.shape[0],np.shape[1],到底是什么,下面我们来举例讲解。

首先:

np.shape【0】:为第一维度的长度

np.shape【1】:为第二维度的长度

np.shape【2】:为第三维度的长度

......以此类推

例1:

b = [1,2,3]
a = np.array(b)
print(a)

a.shape[0]

输出为:3(个元素)

例2:

b = [[1,2,3],[4,5,6]]
a = np.array(b)
print(a)

a.shape[0]

输出为:2(个元素)

a.shape[1]

输出为:3(个元素)

例3:

b = [[[1,2,3],[4,5,6]]]
a = np.array(b)
print(a)

a.shape[0]为1(个元素)

a.shape[1]为2(个元素)

a.shape[2]为3(个元素)

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