python代码，如何理解ndarray类型以及shape维度属性？

我们相信：世界是美好的，你是我也是。 来玩一下解压小游戏吧！

本文讨论：python下的list以及numpy下的ndarray的区别。通常意义上，这两个都可以理解为传统意义上的数组。但是，既然有区别，两者又有具体什么样的区别呢？这些数组仅仅是写法上的区别吗？

大家好，这里是苏南大叔的程序如此灵动博客，这里记录苏南大叔和计算机代码的故事。本文通过对python内的list以及ndarray的对比，理解两者之间的区别。测试环境：win10，python@3.6.8。

list类型

传统的数组写法[]，在python里面不叫array，而是叫list，它和set/tuple很相似。具体可以参考下面的文章：

• https://newsn.net/say/python-tuple.html
• https://newsn.net/say/python-set-vs-list.html

这里是list类型的定义举例：

import numpy as np
a =  [1, 2, 3]               # <class 'list'>
aa = [a, [4, 5, 6]]          # <class 'list'>
aa = [[4],[3,4,5,6]]         # <class 'list'>
# print(aa.shape)            # AttributeError: 'list' object has no attribute 'shape'

从上面可以看出：

• list类型，可以表现为多重数组。
• list类型，相同层级的数据个数可以不同。
• list类型，没有shape属性。

ndarray类型

这个类型存在于numpy中，使用的时候，可能需要import语句。ndarray可以从普通数组定义初始化，也可以从list进行初始化。

认清楚看明白

ndarray重新定义的时候，必须保证每层元素数量一致。

a  = [[1, 2], [2, 3]]         # [[1, 2], [2, 3]] <class 'list'>
aa = np.array(a)              # <class 'numpy.ndarray'>

而且要认清自己传递的是个tuple，还是个list。区别就是：最外侧还有个[]。

aa = np.array([[1, 2], [3, 4]])  # <class 'numpy.ndarray'>

下面的是个错误的示例：

aa = np.array([1,2],[3,4])    # TypeError: Field elements must be 2- or 3-tuples, got '3'
a  = [[1], [2, 3]]            # [[1], [2, 3]]    <class 'list'>
# aa = np.array(a)            # TypeError: unsupported operand type(s) for -: 'list' and 'int'

可能获得错误提示信息：

reating an ndarray from ragged nested sequences (which is a list-or-tuple of lists-or-tuples-or ndarrays with different lengths or shapes) is deprecated.
TypeError: Field elements must be 2- or 3-tuples, got '3'

可以选择随机初始化

如果是处于测试的目的，可以通过.randint()函数初始化，具体可以参考：

• https://newsn.net/say/numpy-random.html

a1 = np.random.randint(1, 3, size=(2, 3))    # <class 'numpy.ndarray'>
# [[2 2 2]
#  [2 1 2]]

这个例子就是生成一个2行3列的ndarray矩阵，元素从[1,3)之间随机变化。另外一个例子就是：

a1 = np.random.randint(1, 3, size=(2, 3，4))    # <class 'numpy.ndarray'>
# [[[2 1 1 1]  
#   [2 2 2 1]  
#   [1 1 2 1]] 
#  [[2 1 2 2]  
#   [1 1 2 1]  
#   [2 2 2 1]]]

ndarray类型的shape属性

苏南大叔个人理解着，ndarray就是个稍稍高级点的数组，它可以形成矩阵。用于描述ndarray到底是几维的属性，就是.shape。这个返回值是个tuple类型的。

对于一维数组，其返回值是(cnt,)。也就是说，比日常的理解，多个逗号。这个是元组类型的特殊写法而已。详情请参考：

• https://newsn.net/say/python-tuple.html

和传统的多重数组不同的地方，就是同一个维度上的元素个数必须是相同的。如果难以理解的话，可以想象最常见的x,y矩阵。
当然了，ndarray的维度也是可以无限扩展的。一维二维还是比较好理解。但是，三维四维五维等，就很难理解了。虽然不常见，但是ndarray在语法上也是支持的。

测试代码如下：

a1 = np.array([[1, 2], [2, 3]])               # (2, 2)
a2 = np.random.randint(1, 3, size=(2, 3, 4))  # (2, 3, 4)
print(a1.shape,a2.shape)
exit()

访问元素

访问数据，都可以使用[][]来进行数据元素访问。

a = [[1, 2], [2, 3]]
a[0][0] = 9
print(a) # [[9, 2], [2, 3]]

a1 = np.array([[1, 2], [2, 3]])
a1[0][0] = 9
print(a1)
# [[9 2]
#  [2 3]]

ndarray可以做加减法

而且这种ndarray可以做加减法，但是list是不能做加减法的，会报错。
测试代码：

import numpy as np
b1 = np.array([2, 3, 4])  #  ValueError: operands could not be broadcast together with shapes (3,) (2,)
b1 = np.array([[2, 3],[3,4]])
b2 = np.array([1, 1])
b3 = b1-b2
b4 = b1+b2
print(b3, b4)

上面的结果输出是：

[[1 2]
 [2 3]] 

[[3 4]
 [4 5]]

相关文章

• https://newsn.net/say/python-tuple.html
• https://newsn.net/say/python-set-vs-list.html
• https://newsn.net/say/python-set-diff.html

综述

在python中，list和ndarray两者都可以是多重数组，都可以使用[]进行元素访问或者修改。

• 传统的多重数组就是list，每层元素数量可以不一致。
• 如果要求数量一致，就是ndarray类型。个人理解着，ndarray就是个带着框架模具萝卜坑的array。

其中，为了ndarray数据初始化：

• ndarray可以使用.randomint()初始化多层shape的数据。
• ndarray从具体的数据初始化的话，记得满足同层元素数量相等的原则的前提下，还需要注意函数的唯一参数的最外侧由[]进行包裹，否则list类型会被识别成tuple，进而导致错误失败。

更多python相关文章，请点击：

• https://newsn.net/tag/python/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。