数组维度

Numpy的ndarray

1. 数组维度

关于数组维度的一些问题

import numpy as np
a = np.arange(24).reshape(2,3,4)
a
>>>array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])

此时，维度为(2,3,4)。可以将a看成一个大号列表，列表里面的元素也是列表，依次嵌套。因此，“2”是a列表的长度，“3”是a列表中，每个元素（假设成为\(a^1\)）的长度，“4”是列表\(a^1\)的长度。

于是，三维数组可以这么理解，一个三维数组有第一维度数值的“面”，一个面的行数为第二维度数值，列数为第三维度数值。

2. 迭代方向

对于多为数组来说，其迭代方向是第一维度，如

f = np.arange(12).reshape(3,4)
f
>>>array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

for i in f:
	print(f)

>>>[0,1,2,3]
	[4,5,6,7]
    [8,9,10,11]