numpy：尺寸与形状？

我注意到一些numpy操作采用了名为shape的参数，例如np.zeros，而其他一些参数则采用了size的参数，例如np.random.randint。对我而言，这些论点具有相同的功能，而且它们具有不同的名称这一点有点令人困惑。实际上，size似乎有点偏离，因为它确实指定了输出的.shape。numpy：尺寸与形状？

是否有不同名称的原因，它们是否表达了不同的含义，即使它们最终都等于输出的.shape？

来源

2017-06-28 user1735003

我不这么认为。其社区发展。它并不总是容易确保一致性。我赞同你。 Shape（在numpy上下文中）对我来说似乎是参数名称的更好选择。两者之间的实际关系是'size = np.prod（shape）'，所以在参数名称中的区别应该更加明显一些。 – armatita

'randint'使用'size'参数名称，但在解释中使用'shape'。这不要与真正的“尺寸”属性混淆。 – hpaulj

Shape涉及N维阵列的尺寸的尺寸。

Size关于阵列，涉及被包含在数组中的元素量（或计数）（或有时，在阵列的顶部尺寸 - 用作长度时）。

例如，让a是矩阵

1 2 3 4 
5 6 7 8 
9 10 11 12

的a形状(3, 4)，的a大小为12和a[1]大小为4。

来源

2017-06-28 14:18:15 Uriel

我认为OP理解这一点。他/她质疑争论名称的选择。例如，'randint'要求大小（int），但实际上可以带有元组（它在numpy中通常被解释为一个形状）。 – armatita

因为你有工作numpy数组，看作是一个C数组，size指的是数组的大小。此外，如果您可以通过np.zeros(10)或np.zeros((10))。虽然差别很微妙，size通过这种方式会创建一个1D数组。你可以给size=(n1, n2, ..., nn)这将创建一个nD数组。

但是，因为python用户需要多维数组，所以array.reshape允许您从1D到nD数组。所以，当你打电话给shape时，你会得到数组的N维形状，所以你可以看到数组的样子。

实质上，size等于shape的元素的乘积。

编辑：名称的差异可归因于2个部分：首先，您可以初始化您的数组大小。但是，你不知道它的形状。因此size仅适用于元素的总数。其次，如何开发numpy，不同的人在代码的不同部分工作，根据他们对代码的个人愿景给出大致相同的元素的不同名称。

来源

2017-06-28 14:23:43

numpy：尺寸与形状？

回答

相关问题