numpy.shape fornisce risposte incoerenti - perché?

Question

Perché il programma di

import numpy as np 

c = np.array([1,2]) 
print(c.shape) 
d = np.array([[1],[2]]).transpose() 
print(d.shape) 

dare

(2,) 
(1,2) 

come la sua uscita? Non dovrebbe essere

(1,2) 
(1,2) 

? Ho ottenuto questo in entrambi python 2.7.3 e python 3.2.3

Answer 1

len(c.shape) è la "profondità" della matrice.

Per c, l'array è solo un elenco (un vettore), la profondità è 1.
Per d, l'array è una lista di liste, la profondità è di 2.

Nota:

c.transpose() 
# array([1, 2]) 

che non è d, quindi questo comportamento non è incoerente.

dt = d.transpose() 
# array([[1], 
#  [2]]) 
dt.shape # (2,1) 

Answer 2

Quando si richiama l'attributo .shape di un ndarray, si ottiene una tupla con il maggior numero di elementi come le dimensioni del vostro array. La lunghezza, cioè, il numero di righe, è la prima dimensione (shape[0])

• Si inizia con una matrice: c=np.array([1,2]). Questo è un semplice array 1D, quindi la sua forma sarà una tupla a 1 elemento e shape[0] è il numero di elementi, quindi c.shape = (2,)
• Considerare c=np.array([[1,2]]). Questo è un array 2D, con 1 riga. La prima e unica riga è [1,2], che ci dà due colonne. Pertanto, c.shape=(1,2) e len(c)=1
• Considerare c=np.array([[1,],[2,]]). Un altro array 2D, con 2 righe, 1 colonna: c.shape=(2,1) e len(c)=2.
• Considerare d=np.array([[1,],[2,]]).transpose(): questa matrice è la stessa di np.array([[1,2]]), pertanto la sua forma è (1,2).

altro attributo utile è .size: questo è il numero di elementi in tutte le dimensioni, e si dispone di un array cc.size = np.product(c.shape).

Ulteriori informazioni sulla forma nello documentation.

Answer 3

transpose non modifica il numero di dimensioni dell'array. Se c.ndim == 1, c.transpose() == c. Prova:

c = np.array([1,2]) 
print c.shape 
print c.T.shape 
c = np.atleast_2d(c) 
print c.shape 
print c.T.shape 

Answer 4

Correzione rapida: controlla la proprietà .ndim: se è 2, la proprietà .shape funzionerà come previsto.

Motivo Perché: se la proprietà .ndim è 2, numpy riporta un valore di forma che è in accordo con la convenzione. Se la proprietà .ndim è 1, numpy riporta semplicemente la forma in un modo diverso.

Ulteriori informazioni: quando si passa a np.array un elenco di elenchi, la proprietà .shape accetta le nozioni standard delle dimensioni di una matrice: (righe, colonne).

Se si passa a np.array solo una lista, quindi numpy non pensa di avere una matrice sulle sue mani e segnala la forma in un modo diverso.

La domanda è: il numpy pensa di avere una matrice, o pensa di avere qualcos'altro nelle sue mani.