numpy数组的numpy数组具有一维形状

Question

我有两个数组（A和B）的numpy数组。 打印时它们看起来像这样：

A：

[array([0, 0, 0]) array([0, 0, 0]) array([1, 0, 0]) array([0, 0, 0])
 array([0, 0, 0]) array([0, 0, 0]) array([0, 0, 0]) array([0, 0, 0])
 array([0, 0, 0]) array([0, 0, 0]) array([0, 0, 1]) array([0, 0, 0])
 array([1, 0, 0]) array([0, 0, 1]) array([0, 0, 0]) array([0, 0, 0])
 array([0, 0, 0]) array([1, 0, 0]) array([0, 0, 1]) array([0, 0, 0])]

B：

[[  4.302135e-01   4.320091e-01   4.302135e-01   4.302135e-01
    1.172584e+08]
 [  4.097128e-01   4.097128e-01   4.077675e-01   4.077675e-01
    4.397120e+07]
 [  3.796353e-01   3.796353e-01   3.778396e-01   3.778396e-01
    2.643200e+07]
 [  3.871173e-01   3.890626e-01   3.871173e-01   3.871173e-01
    2.161040e+07]
 [  3.984899e-01   4.002856e-01   3.984899e-01   3.984899e-01
    1.836240e+07]
 [  4.227315e-01   4.246768e-01   4.227315e-01   4.227315e-01
    1.215760e+07]
 [  4.433817e-01   4.451774e-01   4.433817e-01   4.433817e-01
    9.340800e+06]
 [  4.620867e-01   4.638823e-01   4.620867e-01   4.620867e-01
    1.173760e+07]]

type(A) ， type(A[0]) ， type(B) ， type(B[0])都是<class 'numpy.ndarray'> 。

但是， A.shape是(20,) ，而B.shape是(8, 5) B.shape (8, 5) 。

问题1：为什么A.shape是一维的，我如何使其像B.shape一样是B.shape ？ 它们都是数组的数组，对不对？

问题2，可能与问题1有关：为什么打印A不会显示对array()的调用，而打印B却不显示，为什么B的子array()的元素之间没有逗号？

提前致谢。

Answer 1

A.dtype是O ，对象， B.dtype是float 。

A是一维数组，其中包含对象，恰好是数组。 它们也可以是列表或“无”。

B是2d浮点数组。 索引B一行给出一个1d数组。

因此， A[0]和B[0]看起来可以产生相同的事物，但是选择过程不同。

尝试np.concatenate(A)或np.vstack(A) 。 然后，它们都将A视为数组列表，并以1d或2d形式将它们连接。

将对象数组转换为常规数组经常会出现。

将3D列表转换为3D NumPy数组比您所需要的要通用一些，但是会提供很多有用的信息。

也

将列表的numpy数组转换为numpy数组

==================

In [28]: A=np.empty((5,),object)
In [31]: A
Out[31]: array([None, None, None, None, None], dtype=object)
In [32]: for i in range(5):A[i]=np.zeros((3,),int)
In [33]: A
Out[33]: 
array([array([0, 0, 0]), array([0, 0, 0]), array([0, 0, 0]),
       array([0, 0, 0]), array([0, 0, 0])], dtype=object)
In [34]: print(A)
[array([0, 0, 0]) array([0, 0, 0]) array([0, 0, 0]) array([0, 0, 0])
 array([0, 0, 0])]
In [35]: np.vstack(A)
Out[35]: 
array([[0, 0, 0],
       [0, 0, 0],
       [0, 0, 0],
       [0, 0, 0],
       [0, 0, 0]])