非常基本的Numpy数组维度可视化
非常基本的Numpy数组维度可视化
提问于 2018-01-11 14:22:21
我是numpy的初学者，没有矩阵方面的经验。我理解基本的一维和二维数组，但我很难可视化像下面这样的3Dnumpy数组。下面的python列表是如何形成一个具有高度、长度和宽度的3d数组的？哪些是行和列？
b = np.array([[[1, 2, 3],[4, 5, 6]],
[[7, 8, 9],[10, 11, 12]]])回答 1
Stack Overflow用户
回答已采纳
发布于 2018-01-11 14:42:05
NumPy中ndarray的解剖结构类似于下面的红色立方体：(来源：Physics Dept, Cornell Uni)
一旦您离开2D空间，进入3D或更高维度的空间，行和列的概念就不再有多大意义。但是你仍然可以直观地理解3D数组。例如，考虑您的示例：
In [41]: b
Out[41]:
array([[[ 1, 2, 3],
[ 4, 5, 6]],
[[ 7, 8, 9],
[10, 11, 12]]])
In [42]: b.shape
Out[42]: (2, 2, 3)这里b的形状是(2, 2, 3)。你可以这样想，我们有两个(2x3)矩阵堆叠在一起形成一个3D数组。要访问索引到像b[0]这样的数组b中的第一个矩阵和访问第二个矩阵，可以索引到像b[1]这样的数组b。
# gives you the 2D array (i.e. matrix) at position `0`
In [43]: b[0]
Out[43]:
array([[1, 2, 3],
[4, 5, 6]])
# gives you the 2D array (i.e. matrix) at position 1
In [44]: b[1]
Out[44]:
array([[ 7, 8, 9],
[10, 11, 12]])然而，如果你进入4D空间或更高的空间，你将很难理解数组本身，因为我们人类很难可视化4D和更多的维度。因此，我们宁愿只考虑ndarray.shape属性并使用它。
有关如何使用(嵌套)列表构建更高维数组的更多信息：
对于一维数组，数组构造函数需要一个序列(tuple, list等)，但通常使用list。
In [51]: oneD = np.array([1, 2, 3,])
In [52]: oneD.shape
Out[52]: (3,)对于2D数组，它是list of lists，但也可以是tuple of lists或tuple of tuples等：
In [53]: twoD = np.array([[1, 2, 3], [4, 5, 6]])
In [54]: twoD.shape
Out[54]: (2, 3)对于3D数组，它是list of lists of lists
In [55]: threeD = np.array([[[1, 2, 3], [2, 3, 4]], [[5, 6, 7], [6, 7, 8]]])
In [56]: threeD.shape
Out[56]: (2, 2, 3)P.S.内部，ndarray存储在内存块中，如下图所示。(来源:Ensided.com)
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/48200911
复制相关文章
相似问题
腾讯云开发者
