python數組維數怎麼求

A. python關於numpy基礎問題

Python發展至今，已經有越來越多的人使用python進行科學技術，NumPY是python中的一款高性能科學計算和數據分析的基礎包。
ndarray
ndarray（以下簡稱數組）是numpy的數組對象，需要注意的是，它是同構的，也就是說其中的所有元素必須是相同的類型。其中每個數組都有一個shape和dtype。
shape既是數組的形狀，比如
復制代碼
1 import numpy as np
2 from numpy.random import randn
3
4 arr = randn(12).reshape(3, 4)
5
6 arr
7
8 [[ 0.98655235 1.20830283 -0.72135183 0.40292924]
9 [-0.05059849 -0.02714873 -0.62775486 0.83222997]
10 [-0.84826071 -0.29484606 -0.76984902 0.09025059]]
11
12 arr.shape
13 (3, 4)
復制代碼
其中(3, 4)即代表arr是3行4列的數組，其中dtype為float64
一下函數可以用來創建數組
array將輸入數據轉換為ndarray，類型可制定也可默認
asarray將輸入轉換為ndarray
arange類似內置range
ones、ones_like根據形狀創建一個全1的數組、後者可以復制其他數組的形狀
zeros、zeros_like類似上面，全0
empty、empty_like創建新數組、只分配空間
eye、identity創建對角線為1的對角矩陣
數組的轉置和軸對稱
轉置是多維數組的基本運算之一。可以使用.T屬性或者transpose()來實現。.T就是進行軸對換而transpose則可以接收參數進行更豐富的變換
復制代碼
arr = np.arange(6).reshape((2,3))
print arr
[[0 1 2]
[3 4 5]]
print arr.T
[[0 3]
[1 4]
[2 5]]
arr = np.arange(24).reshape((2,3,4))
print arr
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
print arr.transpose((0,1,2))
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
復制代碼
數組的運算
大小相等的數組之間做任何算術運算都會將運算應用到元素級別。
復制代碼
1 arr = np.arange(9).reshape(3, 3)
2 print arr
3
4 [[0 1 2]
5 [3 4 5]
6 [6 7 8]]
7
8 print arr*arr
9
10 [[ 0 1 4]
11 [ 9 16 25]
12 [36 49 64]]
13
14 print arr+arr
15
16 [[ 0 2 4]
17 [ 6 8 10]
18 [12 14 16]]
19
20 print arr*4
21
22 [[ 0 4 8]
23 [12 16 20]
24 [24 28 32]]
復制代碼
numpy的簡單計算中，ufunc通用函數是對數組中的數據執行元素級運算的函數。
如：
復制代碼
arr = np.arange(6).reshape((2,3))
print arr
[[0 1 2]
[3 4 5]]
print np.square(arr)
[[ 0 1 4]
[ 9 16 25]]
復制代碼
類似的有：abs,fabs,sqrt,square,exp,log,sign,ceil,floor,rint,modf,isnan,isfinite,isinf,cos,cosh,sin,sinh,tan,tanh，
add,subtract,multiply,power,mod,equal,等等

B. 什麼是數組的維度，python 的ndim的使用

數組的維度就是一個數組中的某個元素，當用數組下標表示的時候，需要用幾個數字來表示才能唯一確定這個元素，這個數組就是幾維。numpy中直接用 * 即可表示數與向量的乘法，參考python 2.7的一個例子：inport numpy as np a = np.array([1,2,3,4]) # 向量 b = 5 # 數 print a*b ++++++++++++ [5,10,15,20]

C. python 怎麼查看一個矩陣的維數

都是復制黨，網路知道回答真的質量太低了，真的很心疼，言歸正傳

利用numpy求矩陣維數：

importnumpy#導入numpy模塊，piplist可以查看是否安裝了該模塊

print("數組的維度數目",a1.ndim)

很多人提到了shape函數，這也加上吧

print("數組的維度",a1.shape)

不過這里列印的不是矩陣維數，而是告訴你矩陣維度元祖

比如(28,28,3)，能夠看出這是一個3維矩陣，但返回的不是維度

D. Python怎麼生成三維數

1、創建一般的多維數組

importnumpyasnp
a=np.array([1,2,3],dtype=int)#創建1*3維數組array([1,2,3])
type(a)#numpy.ndarray類型
a.shape#維數信息(3L,)
a.dtype.name#'int32'
a.size#元素個數：3
a.itemsize#每個元素所佔用的位元組數目:4


b=np.array([[1,2,3],[4,5,6]],dtype=int)#創建2*3維數組array([[1,2,3],[4,5,6]])
b.shape#維數信息（2L,3L）
b.size#元素個數：6
b.itemsize#每個元素所佔用的位元組數目:4


c=np.array([[1,2,3],[4,5,6]],dtype='int16')#創建2*3維數組array([[1,2,3],[4,5,6]],dtype=int16)
c.shape#維數信息（2L,3L）
c.size#元素個數：6
c.itemsize#每個元素所佔用的位元組數目:2
c.ndim#維數


d=np.array([[1,2,3],[4,5,6]],dtype=complex)#復數二維數組
d.itemsize#每個元素所佔用的位元組數目：16
d.dtype.name#元素類型：'complex128'

2、創建一般的多維數組

importnumpyasnp
a=np.array([1,2,3],dtype=int)#創建1*3維數組array([1,2,3])
type(a)#numpy.ndarray類型
a.shape#維數信息(3L,)
a.dtype.name#'int32'
a.size#元素個數：3
a.itemsize#每個元素所佔用的位元組數目:4


b=np.array([[1,2,3],[4,5,6]],dtype=int)#創建2*3維數組array([[1,2,3],[4,5,6]])
b.shape#維數信息（2L,3L）
b.size#元素個數：6
b.itemsize#每個元素所佔用的位元組數目:4


c=np.array([[1,2,3],[4,5,6]],dtype='int16')#創建2*3維數組array([[1,2,3],[4,5,6]],dtype=int16)
c.shape#維數信息（2L,3L）
c.size#元素個數：6
c.itemsize#每個元素所佔用的位元組數目:2
c.ndim#維數


d=np.array([[1,2,3],[4,5,6]],dtype=complex)#復數二維數組
d.itemsize#每個元素所佔用的位元組數目：16
d.dtype.name#元素類型：'complex128'

3、創建特殊類型的多維數組

a1=np.zeros((3,4))#創建3*4全零二維數組
輸出：
array([[0.,0.,0.,0.],
[0.,0.,0.,0.],
[0.,0.,0.,0.]])
a1.dtype.name#元素類型：'float64'
a1.size#元素個數：12
a1.itemsize#每個元素所佔用的位元組個數：8


a2=np.ones((2,3,4),dtype=np.int16)#創建2*3*4全1三維數組
a2=np.ones((2,3,4),dtype='int16')#創建2*3*4全1三維數組
輸出：
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]]],dtype=int16)


a3=np.empty((2,3))#創建2*3的未初始化二維數組
輸出：（mayvary）
array([[1.,2.,3.],
[4.,5.,6.]])


a4=np.arange(10,30,5)#初始值10，結束值：30（不包含），步長：5
輸出：array([10,15,20,25])
a5=np.arange(0,2,0.3)#初始值0，結束值：2（不包含），步長：0.2
輸出：array([0.,0.3,0.6,0.9,1.2,1.5,1.8])

fromnumpyimportpi
np.linspace(0,2,9)#初始值0，結束值：2（包含），元素個數：9
輸出：
array([0.,0.25,0.5,0.75,1.,1.25,1.5,1.75,2.])
x=np.linspace(0,2*pi,9)
輸出：
array([0.,0.78539816,1.57079633,2.35619449,3.14159265,
3.92699082,4.71238898,5.49778714,6.28318531])


a=np.arange(6)
輸出：
array([0,1,2,3,4,5])
b=np.arange(12).reshape(4,3)
輸出：
array([[0,1,2],
[3,4,5],
[6,7,8],
[9,10,11]])
c=np.arange(24).reshape(2,3,4)
輸出：
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]]])

使用numpy.set_printoptions可以設置numpy變數的列印格式

在ipython環境下，使用help(numpy.set_printoptions)查詢使用幫助和示例

4、多維數組的基本操作

加法和減法操作要求操作雙方的維數信息一致，均為M*N為數組方可正確執行操作。

a=np.arange(4)
輸出：
array([0,1,2,3])
b=a**2
輸出：
array([0,1,4,9])
c=10*np.sin(a)
輸出：
array([0.,8.41470985,9.09297427,1.41120008])


n<35
輸出：
array([True,True,True,True],dtype=bool)

A=np.array([[1,1],[0,1]])
B=np.array([[2,0],[3,4]])
C=A*B#元素點乘
輸出：
array([[2,0],
[0,4]])
D=A.dot(B)#矩陣乘法
輸出：
array([[5,4],
[3,4]])
E=np.dot(A,B)#矩陣乘法
輸出：
array([[5,4],
[3,4]])

多維數組操作過程中的類型轉換

When operating with arrays of different types, the type of the
resulting array corresponds to the more general or precise one (a
behavior known as upcasting)

即操作不同類型的多維數組時，結果自動轉換為精度更高類型的數組，即upcasting

數組索引、切片和迭代

a=np.ones((2,3),dtype=int)#int32
b=np.random.random((2,3))#float64
b+=a#正確
a+=b#錯誤

a=np.ones(3,dtype=np.int32)
b=np.linspace(0,pi,3)
c=a+b
d=np.exp(c*1j)
輸出：
array([0.54030231+0.84147098j,-0.84147098+0.54030231j,
-0.54030231-0.84147098j])
d.dtype.name
輸出：
'complex128'

多維數組的一元操作，如求和、求最小值、最大值等

a=np.random.random((2,3))
a.sum()
a.min()
a.max()


b=np.arange(12).reshape(3,4)
輸出：
array([[0,1,2,3],
[4,5,6,7],
[8,9,10,11]])
b.sum(axis=0)#按列求和
輸出：
array([12,15,18,21])
b.sum(axis=1)#按行求和
輸出：
array([6,22,38])
b.cumsum(axis=0)#按列進行元素累加
輸出：
array([[0,1,2,3],
[4,6,8,10],
[12,15,18,21]])
b.cumsum(axis=1)#按行進行元素累加
輸出：
array([[0,1,3,6],
[4,9,15,22],
[8,17,27,38]])

universal functions

B=np.arange(3)
np.exp(B)
np.sqrt(B)
C=np.array([2.,-1.,4.])
np.add(B,C)

其他的ufunc函數包括：

all,any,apply_along_axis,argmax,argmin,argsort,average,bincount,ceil,clip,conj,corrcoef,cov,cross,cumprod,cumsum,diff,dot,floor,inner,lexsort,max,maximum,mean,median,min,minimum,nonzero,outer,prod,re,round,sort,std,sum,trace,transpose,var,vdot,vectorize,where

5. 數組索引、切片和迭代

a=np.arange(10)**3
a[2]
a[2:5]
a[::-1]#逆序輸出
foriina:
print(i**(1/3.))

deff(x,y):
return10*x+y
b=np.fromfunction(f,(5,4),dtype=int)
b[2,3]
b[0:5,1]
b[:,1]
b[1:3,:]
b[-1]

c=np.array([[[0,1,2],[10,11,12]],[[100,101,102],[110,111,112]]])
輸出：
array([[[0,1,2],
[10,11,12]],

[[100,101,102],
[110,111,112]]])
c.shape
輸出：
(2L,2L,3L)
c[0,...]
c[0,:,:]
輸出：
array([[0,1,2],
[10,11,12]])
c[:,:,2]
c[...,2]
輸出：
array([[2,12],
[102,112]])

forrowinc:
print(row)

forelementinc.flat:
print(element)

a=np.floor(10*np.random.random((3,4)))
輸出：
array([[3.,9.,8.,4.],
[2.,1.,4.,6.],
[0.,6.,0.,2.]])
a.ravel()
輸出：
array([3.,9.,8.,...,6.,0.,2.])
a.reshape(6,2)
輸出：
array([[3.,9.],
[8.,4.],
[2.,1.],
[4.,6.],
[0.,6.],
[0.,2.]])
a.T
輸出：
array([[3.,2.,0.],
[9.,1.,6.],
[8.,4.,0.],
[4.,6.,2.]])
a.T.shape
輸出：
(4L,3L)
a.resize((2,6))
輸出：
array([[3.,9.,8.,4.,2.,1.],
[4.,6.,0.,6.,0.,2.]])
a.shape
輸出：
(2L,6L)
a.reshape(3,-1)
輸出：
array([[3.,9.,8.,4.],
[2.,1.,4.,6.],
[0.,6.,0.,2.]])

詳查以下函數：

ndarray.shape,reshape,resize,ravel

6. 組合不同的多維數組

a=np.floor(10*np.random.random((2,2)))
輸出：
array([[5.,2.],
[6.,2.]])
b=np.floor(10*np.random.random((2,2)))
輸出：
array([[0.,2.],
[4.,1.]])
np.vstack((a,b))
輸出：
array([[5.,2.],
[6.,2.],
[0.,2.],
[4.,1.]])
np.hstack((a,b))
輸出：
array([[5.,2.,0.,2.],
[6.,2.,4.,1.]])


fromnumpyimportnewaxis
np.column_stack((a,b))
輸出：
array([[5.,2.,0.,2.],
[6.,2.,4.,1.]])


a=np.array([4.,2.])
b=np.array([2.,8.])
a[:,newaxis]
輸出：
array([[4.],
[2.]])
b[:,newaxis]
輸出：
array([[2.],
[8.]])
np.column_stack((a[:,newaxis],b[:,newaxis]))
輸出：
array([[4.,2.],
[2.,8.]])
np.vstack((a[:,newaxis],b[:,newaxis]))
輸出：
array([[4.],
[2.],
[2.],
[8.]])
np.r_[1:4,0,4]
輸出：
array([1,2,3,0,4])
np.c_[np.array([[1,2,3]]),0,0,0,np.array([[4,5,6]])]
輸出：
array([[1,2,3,0,0,0,4,5,6]])

詳細使用請查詢以下函數：

hstack,vstack,column_stack,concatenate,c_,r_

7. 將較大的多維數組分割成較小的多維數組

a=np.floor(10*np.random.random((2,12)))
輸出：
array([[9.,7.,9.,...,3.,2.,4.],
[5.,3.,3.,...,9.,7.,7.]])
np.hsplit(a,3)
輸出：
[array([[9.,7.,9.,6.],
[5.,3.,3.,1.]]),array([[7.,2.,1.,6.],
[7.,5.,0.,2.]]),array([[9.,3.,2.,4.],
[3.,9.,7.,7.]])]
np.hsplit(a,(3,4))
輸出：
[array([[9.,7.,9.],
[5.,3.,3.]]),array([[6.],
[1.]]),array([[7.,2.,1.,...,3.,2.,4.],
[7.,5.,0.,...,9.,7.,7.]])]

實現類似功能的函數包括：

hsplit,vsplit,array_split

8. 多維數組的復制操作

a=np.arange(12)
輸出：
array([0,1,2,...,9,10,11])


notatall

b=a
bisa#True
b.shape=3,4
a.shape#(3L,4L)

deff(x)#,sofunctioncallsmakeno.
print(id(x))#id是python對象的唯一標識符

id(a)#111833936L
id(b)#111833936L
f(a)#111833936L


淺復制

c=a.view()
cisa#False
c.baseisa#True
c.flags.owndata#False
c.shape=2,6
a.shape#(3L,4L)
c[0,4]=1234
print(a)
輸出：
array([[0,1,2,3],
[1234,5,6,7],
[8,9,10,11]])
s=a[:,1:3]
s[:]=10
print(a)
輸出：
array([[0,10,10,3],
[1234,10,10,7],
[8,10,10,11]])


深復制
d=a.()
disa#False
d.baseisa#False
d[0,0]=9999
print(a)
輸出：
array([[0,10,10,3],
[1234,10,10,7],
[8,10,10,11]])

numpy基本函數和方法一覽

Array Creation

arange,array,,empty,empty_like,eye,fromfile,fromfunction,identity,linspace,logspace,mgrid,ogrid,ones,ones_like,r,zeros,zeros_like

Conversions

ndarray.astype,atleast_1d,atleast_2d,atleast_3d,mat

Manipulations

array_split,column_stack,concatenate,diagonal,dsplit,dstack,hsplit,hstack,ndarray.item,newaxis,ravel,repeat,reshape,resize,squeeze,swapaxes,take,transpose,vsplit,vstack

Questionsall,any,nonzero,where

Ordering

argmax,argmin,argsort,max,min,ptp,searchsorted,sort

Operations

choose,compress,cumprod,cumsum,inner,ndarray.fill,imag,prod,put,putmask,real,sum

Basic Statistics

cov,mean,std,var

Basic Linear Algebra

cross,dot,outer,linalg.svd,vdot

完整的函數和方法一覽表鏈接：

https://docs.scipy.org/doc/numpy-dev/reference/routines.html#routines

E. python中怎麼表示多維數組

只有通過遍歷得到。這個應該沒有直接獲取的方式方法。遍歷這個數組，當然維數不確定的話你就需要使用遞歸，然後一一判斷它的值是否為你指定的值，然後輸出索引。另外，建議不要匿名提問，因為這會讓很多高手不屑於回答你的問題。

F. python數組求和

在數組和矩陣中使用sum: 對數組b和矩陣c,代碼b.sum()，np.sum(b),c.sum(),np.sum(c)都能將b、c中的所有元素求和並返回單個數值。

但是對於二維數組b，代碼b.sum(axis=0)指定對數組b對每列求和，b.sum(axis=1)是對每行求和，返回的都是一維數組（維度降了一維）。

而對應矩陣c，c.sum(axis=0)和c.sum(axis=1)也能實現對列和行的求和，但是返回結果仍是二維矩陣。

# 定義函數，arr 為數組，n 為數組長度，可作為備用參數，這里沒有用到。

def_sum(arr,n):

# 使用內置的 sum 函數計算。

return(sum(arr))

# 調用函數

arr=[]

# 數組元素

arr=[12,3,4,15]

# 計算數組元素的長度

n=len(arr)

ans=_sum(arr,n)

# 輸出結果

print('數組元素之和為',ans)

(6)python數組維數怎麼求擴展閱讀：

python數組使用：

python 數組支持所有list操作，包括 .pop、.insert 和 .extend。另外，數組還提供從文件，讀取和存入文件的更快的方法，列如如 .frombytes 和 .tofile，如下所示我們定義一個數組。

from array import arrayarr=array('d',(a for a in range(5)))print(arr)。

arr=array('d',(a for a in range(5)))從這個代碼中可以看出，一個數組的定義需要傳入的不只是值還有類型。

可以是(must be c, b, B, u, h, H, i, I, l, L, f or d)。

G. pyhton中的數組維數問題

python向數組中添加元素步驟如下：
#一個二維數組，元素按照題主的要求有正有負。
list1 = [[1,1],[-2,2],[3,-3],[-4,-4]]
#一個空數組，用於接受需求轉換以後的數據。
list2 = []
#for循環，遍歷數組中的元素。
for i ,j in list1 :
#按題主要求，負數變成0，非負數保留自身。樓上說條件索引的方法，大概也是在這一步的操作。
但因為是二維數組，所以想來太抽象，不適合大我這樣思維能力一般的人。所以我用了絕對值求 平均數的笨方法。
[i,j] = [(i+abs(i))/2,(j+abs(j))/2 ]
#把轉換後的數組元素追加到新數組。
list2.append([i,j])
#查看結果，[[1, 1], [0, 2], [3, 0], [0, 0]]，
print list2

H. Python如何對二維數組求和

Python對二維數組求和的方法：首先定義好一個二維數組；然後使用map函數對數組里每一個元素進行sum操作即可對二維數組求和。

關於二維數組求和的幾種方法：

a = [[1,2],[3,4],[5,6]]

方法一 sum(map(sum,a))

map(func,a) 函數是對a中的每一個元素進行sum操作

解釋一下map函數， map(fund, a) equals [func(i) for i in a] and return a list

方法二 sum(sum(i) for i in a)

方法三 sum(sum(a[i]) for i in range(len(a)))

方法四 rece(lambda x,y:x+y , rece(lambda x,y:x+y, a))

解釋一下rece(fun,a),rece返回的是一個結果值而不是一個list，第一步的時候是（［1，2］＋［3，4］） ＋ ［5，6］

得到一個［1，2，3，4，5，6］， 然後進行的運算是（（（（（1+2）＋3）＋4）＋5）＋6） ＝ 21

一般來說最常用的還是1和3這兩種方法，不知道map or rece, 一般都會採用3， 而知道的應該會採用1，比較簡潔。

推薦課程：Python核心基礎(尚矽谷)