np.array的shape的区别
如下所示：
1 >>> import numpy as np 2 >>> x = np.array([1, 2]) 3 >>> y = np.array([[1],[2]]) 4 >>> z = np.array([[1,2]]) 5 >>> print(x.shape) 6 (2,) 7 >>> print(y.shape) 8 (2, 1) 9 >>> print(z.shape) 10 (1, 2)
x[1,2]的shape值(2,)，意思是一维数组，数组中有2个元素
y[[1],[2]]的shape值是(2,1)，意思是一个二维数组，每行有1个元素
z [[1,2]]的shape值是（1，2），意思是一个二维数组，每行有2个元素
以上这篇浅谈python中np.array的shape( ,)与( ,1)的区别就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
==============================
shape函数是numpy.core.fromnumeric中的函数，它的功能是查看矩阵或者数组的维数。
举例说明：
建立一个3×3的单位矩阵e, e.shape为（3，3），表示3行3列,第一维的长度为3，第二维的长度也为3
1 >>> e = eye(3) 2 >>> e 3 array([[ 1., 0., 0.], 4 [ 0., 1., 0.], 5 [ 0., 0., 1.]]) 6 >>> e.shape
建立一个一维矩阵b, b.shape 为矩阵的长度
1 >>> b =array([1,2,3,4]) 2 >>> b.shape 3 (4,) 4 #可以简写 5 >>> shape([1,2,3,4]) 6 (4,) 7 >>>
建立一个4×2的矩阵c, c.shape[1] 为第一维的长度，c.shape[0] 为第二维的长度。
1 >>> c = array([[1,1],[1,2],[1,3],[1,4]]) 2 >>> c.shape 3 (4, 2) 4 >>> c.shape[0] 5 4 6 >>> c.shape[1] 7 2
一个单独的数值，返回值为空
1 >>> shape(3) 2 ()
