简介numpy 创建的数组都有一个shape属性，它是一个元组，返回各个维度的维数。有时候我们可能需要知道某一维的特定维数。 二维情况>>> import numpy as np
>>> y = np.array([[1,2,3],[4,5,6]])
>>> print(y)
[[1 2 3]
[4 5 6]]
>>> print(y.shape)
(2, 3)
>>> print(y.shape[0])
2
>>> print(y.shape[1])
3 可以看到y是一个两行三列的二维数组，y.shape[0]代表行数，y.shape[1]代表列数。 三维情况>>> x = np.array([[[1,2,3],[4,5,6]],[[7,8,9],[0,1,2]],[[3,4,5],[6,7,8]]])
>>>> print(x)
[[[1 2 3]
[4 5 6]]
[[7 8 9]
[0 1 2]]
[[3 4 5]
[6 7 8]]]
>>> print(x.shape)
(3, 2, 3)
>>> print(x.shape[0])
3
>>> print(x.shape[1])
2
>>> print(x.shape[2])
3 可以看到x是一个包含了3个两行三列的二维数组的三维数组，x.shape[0]代表包含二维数组的个数，x.shape[1]表示二维数组的行数，x.shape[2]表示二维数组的列数。 总结可以看到，shape[0]表示最外围的数组的维数，shape[1]表示次外围的数组的维数，数字不断增大，维数由外到内。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 | len()：返回对象的长度，注意不是length()函数
len([1,2,3])，返回值为3
len([[1,2,3],[3,4,5]])，返回值为2
count()：计算包含对象个数
[1,1,1,2].count(1)，返回值为3
'asddf’.count('d’)，返回值为2
size()和shape () 是numpy模块中才有的函数
size()：计算数组和矩阵所有数据的个数
a = np.array([[1,2,3],[4,5,6]])
np.size(a)，返回值为 6
np.size(a,1)，返回值为 3
shape ():得到矩阵每维的大小
np. shape (a)，返回值为 (2,3)
另外要注意的是，shape和size既可以作为函数，也可以作为ndarray的属性
a.size，返回值为 6,
a.shape，返回值为 (2,3)
|
|
