浅析numpy之shape
近来看machine learning in action中对numpy稍有接触,其中对于array的shape有些疑惑,翻阅查询后稍有了解,分享以交流。
1、shape意思为‘形状’,在很多模块(pygame、matplotlib)都有这个函数,在numpy中用在array后顾名思义就是‘矩阵的形状’,无非就是‘行列’。
2、用一个简单的例子方便理解:
from numpy import * >>> A=zeros((3,4)) >>> print(A) [[ 0. 0. 0. 0.] [ 0. 0. 0. 0.] [ 0. 0. 0. 0.]]#得到一个3行4列的二维矩阵。 >>> A.shape (3, 4)#看出来shape方法得到一个元组,而这个元组和zeros()中的元组是一致的。 #第一个元素为行数,第二个元素为列数。 >>> A.shape[0] 3 #元组的第一个元素,即行数,在KNN算法中等于训练样本数量 >>> A.shape[1] 4 #元组的第二个元素,列数