小编给大家分享一下Numpy中shape函数怎么用，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！
shape函数的功能是读取矩阵的长度，比如shape[0]就是读取矩阵第一维度的长度,相当于行数。它的输入参数可以是一个整数表示维度，也可以是一个矩阵。shape函数返回的是一个元组，表示数组（矩阵）的维度，例子如下：
数组（矩阵）只有一个维度时，shape只有shape[0]，返回的是该一维数组（矩阵）中元素的个数，通俗点说就是返回列数，因为一维数组只有一行，一维情况中array创建的可以看做list（或一维数组），创建时用（）和[ ]都可以，多维就不可以这样子了，这里使用[ ]，请看下例：
>>> a=np.array([1,2])>>> aarray([1, 2])>>> a.shape(2L,)>>> a.shape[0]2L>>> a.shape[1]Traceback (most recent call last): File "<pyshell#63>", line 1, in <module> a.shape[1]IndexError: tuple index out of range #最后报错是因为一维数组只有一个维度，可以用a.shape或a.shape[0]来访问>>> a=np.array((1,2))>>> aarray([1, 2]) #这个使用的是两个（）包裹，得到的数组和前面的一样数组有两个维度（即行和列）时，和我们的逻辑思维一样，a.shape返回的元组表示该数组的行数与列数，请看下例：
>>> a=np.array([[1,2],[3,4]]) #注意二维数组要用（）和[]一起包裹起来，键入print a 会得到一个用2个[]包裹的数组（矩阵）>>> aarray([[1, 2], [3, 4]])>>> a.shape(2L, 2L)>>> b=np.array([[1,2,3],[4,5,6]])>>> barray([[1, 2, 3], [4, 5, 6]])>>> b.shape(2L, 3L)当数组是三维时，要用一个（）和两个[]包裹起来，键入print a 会得到一个用3个[]包裹的数组（矩阵），请看下例：
>>> a=np.array([[[1,2],[3,4]]])>>> aarray([[[1, 2], [3, 4]]])>>> a.shape(1L, 2L, 2L)这里返回的元组表示3个维度各包含的元素的个数。
所谓元素，在一维时就是元素的个数，二维时表示行数和列数，三维时a.shape【0】表示创建的块数，a.shape【1】和a.shape【2】表示每一块（每一块都是二维的）的行数和列数，举个例子：
>>> a=np.ones([2,2,3])#创建两个2行3列的数组（矩阵）>>> aarray([[[ 1., 1., 1.], [ 1., 1., 1.]], [[ 1., 1., 1.], [ 1., 1., 1.]]])总结:使用np.array（）创建数组时，
一维的可以直接np.array（[1,2,3]）或者np.array((1,2,3))，输出（print）时是：
>>> print a[1 2 3]外面有一个[]包裹；
二维的要使用np.array（[[1,2,3],[1,2,3]]),用一个（）和一个[]把要输入的list包裹起来，输出（print）时是
>>> print a[[1 2 3] [1 2 3]]外面有两个[]包裹；
三维的要使用np.array（[[[1,2,3],[1,2,3]]]）,用一个（）和两个[]把要输入的list包裹起来，输出（print）时是
>>> print a[[[1 2 3] [1 2 3]]]外面有三个[]包裹；
对于更高维的情况以后再研究
以上是“Numpy中shape函数怎么用”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注编程网行业资讯频道！
