浅谈python中np.array的shape( ,)与( ,1)的区别

以下是关于“浅谈Python中np.array的shape(,)与(,1)的区别”的完整攻略。

背景

在Python中，使用numpy库中的array对象可以进行多维数组的操作。其中，np.array的shape属性获取数组的形状。在shape属性中，(,)和(,1)是两种常见的形状。本攻略将介绍(,)和(1)的区别。

步骤

步一：创建数组

在介(,)和(,1)的区别之前，需要先创建一个数组。以下是示例代码：

import numpy as np

# 创建数组
arr = np.array([1, 2, 3])

在上面的示例代码中，我们使用numpy创建了一个一维数组。

步二：使用shape属性获取数组形状

在创建数组之后，可以使用shape属性获取数组的形状。以下是示例代码：

import numpy as np

# 创建数组
arr = np.array([1, 2, 3])

# 获取数组形状
shape = arr.shape

# 输出数组状
print(shape)

在上面的示例代码中，我们使用shape属性获取了数组的形状，并将结果存储在变量shape中。

步三：比较(,)和(,1)的区别

在使用shape属性获取数组形状时，(,)和(,1)是两种常见的形状。其中，(,)表示一维数组，而(,1)表示二维数组中的一列。以下是示例代码：

import numpy as np

# 创建数组
arr = np.array([1, 2, 3])

# 获取数组形状
shape = arr.shape

# 输出数组形状
print(shape)

# 将数组换为二维数组
arr_2d = arr.reshape(-1, 1)

# 获取数组形状
shape_2d = arr_2d.shape

# 输出数组形状
print(shape_2d)

在上面的示例代码，我们首先使用shape属性获取了一维数组的形状，然后将数组转换为二维数组中的一列，并使用shape属性获取了二维数组的形状。

示例

以下是两个示例，分别演示了(,)和(,1)的区别。

示例一：(,)表示一维数组

import numpy as np

# 创建一维数组
arr = np.array([1, 2, 3])

# 获取数组形状
shape = arr.shape

# 输出数组形状
print(shape)

在上面的示例代码中，我们创建了一个一维数组，并使用shape属性获取了数组的形状。由于该数组是一维数组，因此输出为(3,)。

示例二：(,1表示二维数组中的一列

import numpy as np

# 创建一维数组
arr = np.array([1, 2, 3])

# 将数组转换为二维数组中的一列
arr_2d = arr.reshape(-1, 1)

# 获取数组形状
_2d = arr_2d.shape

# 输出数组形状
print(shape_2d)

在上面的示例代码中，我们首先创建了一个一维数组，然后将该数组转换为二维数组中的一列，并使用shape属性获取了二维数组的形状。由于该数组是二维数组中的一列，因此输出结果为(3, 1)。

结论

综上所述，“浅谈Python中np.array的shape(,)与(,1)的区别”的攻略介绍了(,)和(,1)的区别。其中，(,)表示一维数组，而(,1)表示二维数组中的一列。同时，攻略还提供了两个示例代码，分别演示了(,)和(,1的区别。读者可以根据需要选择适合代码进行操作。