打印tuple 的shape_numpy中shape和axis是啥

港控/mmm° 2022-10-28 10:21 307阅读 0赞

![1dd51b006faceed53220138c5699e7fb.png][]

numpy是個寶，煉丹少不了。可是在煉丹中，常常被numpy的shape，axis等弄得暈頭轉向，這裏就詳細來說明一下。

常見的問題如下：

1.  summeanconcatenate時候的axis是啥意思？
2.  震驚，shape居然是空的，帶個逗號什麼鬼？
3.  numpy切片要怎麼弄？我切片老是達不到我想要的效果？

下面會有代碼展示，需要提前導入numpy 包：

import numpy as np

## 一、shape是啥，axis是啥？ ##

shape如字面意思形狀一樣，表示這個ndarray的形狀。以一個圖片為例子：

In [23]: import cv2  
    
    In [24]: img = cv2.imread("img.jpg")                                                                                                             
    
    In [25]: img.shape                                                                                                                                    
    Out[25]: (5304, 7952, 3)
    
    In [25]: len(img.shape)                                                                                                                                  
    Out[25]: 3

OpenCV在python中讀取到的圖片會被存儲為ndarray的格式。這裏用OpenCV讀取了一張圖片，它的shape是5304，7952，3，表示的是它在有5304個像素高，7952個像素寬，有三個通道。（至於爲啥寬高順序是這樣，這是opencv讀取數據時候規定的。）

axis則是座標軸的數目。實際就是shape的length。當然axis的順序是shape中各個維度的順序。下面第三節會詳細講。

## 二、 shape中帶有一個逗號（,）是啥意思？shape是空是啥情況？ ##

1. python中的逗號可以用來區分單個變量和tuple。

In [6]: type(1) 
    Out[6]: int
    
    In [7]: type((1)) 
    Out[7]: int
    
    In [8]: type((1,))  
    Out[8]: tuple

這裏可以看到，單個括號內的數字，和不加括號是一個意思。但是在數字後面加了一個逗號過後，則會變成tuple。

對於單個元素來說，加逗號（tuple）和不加逗號（原來的元素）有本質區別。而對於多個元素的tuple，加逗號和不加逗號，則是一樣的。

In [9]: (1,2) == (1,2,) 
    Out[9]: True

這裏通過`np.array(x,dtype)`來構建一個ndarray：

In [10]: lista = [1,2] 
        ...: a = np.array(lista,dtype=np.float32)                                                                                                         
    
    In [11]: a.shape                                                                                                                                      
    Out[11]: (2,)

2. 單個數字是特殊的ndarray，它的shape為()，axis=0。

In [14]: a = np.array(1,dtype=np.float32) 
    
    In [15]: a.shape  
    Out[15]: ()

爲啥shape是空的？

In [16]: type(a.shape)  
    Out[16]: tuple
    
    In [17]: len(a.shape) 
    Out[17]: 0

也就是說，它的shape是一個空的tuple。把標量看成維度為0的矢量。shape這個tuple的length就是ndarray的維度。

## 三、訪問numpy ndarray中的單個元素 ##

先構建一個全部是1的ndarray：

In [23]: a = np.ones((2,3,4))                                                                                                                         
    
    In [24]: a                                                                                                                                            
    Out[24]: 
    array([[[1., 1., 1., 1.],
            [1., 1., 1., 1.],
            [1., 1., 1., 1.]],
    
           [[1., 1., 1., 1.],
            [1., 1., 1., 1.],
            [1., 1., 1., 1.]]])

訪問某一具體座標的元素

#用座標的list來訪問
    In [25]: a[1,2,3] 
    Out[25]: 1.0
    
    #把每個座標組成一個list來訪問
    In [26]: a[1][2][3] 
    Out[26]: 1.0
    
    #混合上面兩種
    In [27]: a[1][2,3]  
    Out[27]: 1.0

這裏有一個問題是，我怎麼確定這個座標。例子中的\`\[1,2,3\]\`分別是指稱那個軸線怎麼獲取呢？把這個ndarray打印出來，發現有很多\[，這個1，2，3就是按照這個括號來的。最左邊的數字1，就是選擇最外層\[中的第一號元素（不是第一個，是第一號元素，numpy的list是從零開始計數的）。依此類推。

我們看shape，則發現shape是\[2,3,4\]，其中的2正是最開始\[裏面元素的個數。

## 四、numpy 切片 ##

numpy切片是很棒的功能，切片的意思是從一個numpy ndarray中切出另外的子ndarray。

如果某一axis的中只取一個元素，則ndarray的shape會減少一。

In [32]: a.shape
    Out[32]: (2,3,4)
    
    In [33]: a[:,2].shape                                                                                                                                 
    Out[33]: (2, 4)

切片時候其它軸沒有操作，則保持原樣

In [34]: a[1:,:]  
    Out[34]: 
    array([[[1., 1., 1., 1.],
     [1., 1., 1., 1.],
     [1., 1., 1., 1.]]])

axis的順序和shape的順序是一樣的。

axis=0表示最外層，axis=1表示次外層。

在sum或者mean時候，axis的意思就是讓axis=n不同，其它座標都相同的點進行運算。

[1dd51b006faceed53220138c5699e7fb.png]: /images/20221024/e7df931c04804424bad2cf9314c73c1b.png