2024年1月7日发(作者：)

numpy中的shape函数

NumPy是Python中用于科学计算的开源库。它提供了高效的数组处理能力，支持多维数组和向量化操作。NumPy中的shape函数是一个用于获取NumPy数组维度信息和调整数组维度的函数，本文将详细介绍它的具体用法和应用场景。

一、NumPy数组的shape属性

NumPy中的数组可以是一个一维数组，也可以是二维或多维数组。每一个数组都有一个shape属性，它表示数组的维度情况。如果数组是一个一维数组，那么它的shape属性是一个整数，表示数组的元素数量。如果数组是一个二维或多维数组，那么shape属性是一个元组，元组中的每一个值分别表示数组在不同维度上的元素数量。

例如，一个表示二维平面上五个点坐标的NumPy数组，它的shape属性应该是(5,2)，因为它在第一维上有5个元素，在第二维上有2个元素。下面是一个使用NumPy初始化该数组的例子：

``` import numpy as np

points = ([(0,0), (1,1), (2,0), (3,1),

(4,0)])

print() ```

运行后，输出结果是：

``` (5, 2) ```

二、NumPy中的shape函数介绍

shape函数是NumPy提供的一个用于获取数组维度信息的函数，它的用法非常简单。我们只需要在数组后面加上.shape即可。例如，对于上面的例子，我们可以这样使用shape函数：

``` import numpy as np

points = ([(0,0), (1,1), (2,0), (3,1),

(4,0)])

print() ```

输出结果同样是：

``` (5, 2) ```

shape函数的返回值是一个元组，元组中的每一个值分别表示数组在不同维度上的元素数量。我们可以把元组赋值给一个变量，然后使用变量来访问数组的维度信息，如下所示：

``` import numpy as np

points = ([(0,0), (1,1), (2,0), (3,1),

(4,0)])

shape =

print(shape[0], shape[1]) ```

输出结果是：

``` 5 2 ```

其他NumPy中的函数和方法也可以返回数组的shape属性。例如，可以使用numaxes方法获取数组的轴数，使用size获取数组元素的总数。

三、NumPy中的reshape函数

除了获取数组的shape属性之外，我们还可以使用reshape函数来改变数组的形状。reshape函数接受一个元组作为参数，元组中的每一个值表示每个维度上的元素数量。

例如，我们可以使用reshape函数将上面的points数组变成一个5行2列的矩阵，如下所示：

``` import numpy as np

points = ([(0,0), (1,1), (2,0), (3,1),

(4,0)])

matrix = e((5, 2))

print(matrix) ```

运行后，输出结果是：

``` array([[0, 0], [1, 1], [2,

0], [3, 1], [4, 0]]) ```

reshape函数返回的是一个新的数组，它的shape属性已经改变了。我们可以使用shape函数来验证这一点：

``` import numpy as np

points = ([(0,0), (1,1), (2,0), (3,1),

(4,0)])

matrix = e((5, 2))

print() ```

输出结果是：

``` (5, 2) ```

reshape函数也可以用来创建高维数组。例如，我们可以使用reshape函数将上面的points数组变成一个5行1列的3维数组，如下所示：

``` import numpy as np

points = ([(0,0), (1,1), (2,0), (3,1),

(4,0)])

tensor = e((5, 1, 2))

print(tensor) ```

运行后，输出结果是：

``` array([[[0, 0]],

[[1, 1]],

[[2, 0]],

[[3, 1]],

[[4, 0]]]) ```

注意，reshape函数并不是总能按照我们期望的方式重新排列数组。例如，我们不能使用reshape函数将一个包含9个元素的一维数组变成一个3行3列的二维数组，因为这种情况下数组的元素数量不是9的整数倍。

四、NumPy的广播机制

NumPy中的广播机制可以让不同形状的数组进行运算。具体来说，广播机制可以将一维数组扩展成更高维度的数组，然后把其他数组逐个与之运算。例如，我们可以使用广播机制将一个二维数组加上一个一维数组，如下所示：

``` import numpy as np

matrix = ([[1,2,3], [4,5,6], [7,8,9]])

vector = ([10, 20, 30])

result = matrix + vector

print(result) ```

运行后，输出结果是：

``` array([[11, 22, 33], [14, 25, 36],

[17, 28, 39]]) ```

广播机制是NumPy中一个非常有用的工具。它可以让我们避免编写大量重复的代码，提高代码的可读性和易维护性。但是，在使用广播机制时，我们需要注意数组的维

度和shape属性是否匹配，否则会引发各种难以排查的错误。

五、总结

本文介绍了NumPy中的shape函数及其应用场景，讲解了如何使用shape函数获取NumPy数组的维度信息和如何使用reshape函数改变数组的维度，同时介绍了NumPy的广播机制以及应用场景。掌握这些知识可以让我们更加高效地使用NumPy来进行科学计算和数据分析。