Python中的shape[0]、shape[1]和shape[-1]使用方法，

Python中的shape[0]、shape[1]和shape[-1]使用方法，

目录

• .shape的使用方法
• shape[0]的使用方法
• shape[1]的使用方法
• python中shape[0]与shape[1]

shape函数是Numpy中的函数，它的功能是读取矩阵的长度，比如shape[0]就是读取矩阵第一维度的长度。

直接用.shape可以快速读取矩阵的形状，使用shape[0]读取矩阵第一维度的长度。

.shape的使用方法

>>> import numpy as np
>>> x=np.array([[1,2,3],[4,5,6]])
>>> print(x.shape)

(2, 3)

shape[0]的使用方法

>>> import numpy as np
>>> x=np.array([[1,2,3],[4,5,6]])
>>> print(x.shape[0])
2

其实，我们可以发现:

>>> print(len(x))
2

shape[0]读取矩阵第一维度的长度，即数组的行数。

shape[1]的使用方法

>>> print(x.shape[1])
3

是我们的数组的列数。

有时我们会遇到一种新的表示方法:shape[-1]

首先需要知道，对于二维张量，shape[0]代表行数，shape[1]代表列数，同理三维张量还有shape[2]

对于图像来说：

image.shape[0]——图片高

image.shape[1]——图片长

image.shape[2]——图片通道数

而对于矩阵来说：

shape[0]：表示矩阵的行数

shape[1]：表示矩阵的列数

一般来说，-1代表最后一个，所以shape[-1]代表最后一个维度，如在二维张量里，shape[-1]表示列数，注意，即使是一维行向量，shape[-1]表示行向量的元素总数，换言之也是列数：

我们还是举上面的例子:

>>> print(x.shape[-1])
3

就是求得的列数。

python中shape[0]与shape[1]

import numpy as np
k = np.matrix([[1, 2, 3, 4],
             [5, 6, 7, 8],
             [9, 10, 11, 12]])
print(np.shape(k))       # 输出（3，4）表示矩阵为3行4列
print(k.shape[0])        # shape[0]输出3，为矩阵的行数
print(k.shape[1])        # 同理shape[1]输出列数

到此这篇关于Python中的shape[0]、shape[1]和shape[-1]使用方法的文章就介绍到这了,更多相关Python shape使用内容请搜索3672js教程以前的文章或继续浏览下面的相关文章希望大家以后多多支持3672js教程！

您可能感兴趣的文章:

• Python shapely库的具体使用
• python数据分析基础知识之shape()函数的使用教程
• python Shapely使用指南详解
• Python使用pyshp库读取shapefile信息的方法