numpy數組的“維數”是什么意思？

Question

我還是scikit-learn和numpy的新手。 我閱讀了本教程，但是我不明白它們如何定義數組尺寸。

在以下示例中：

>>> import numpy as np
>>> a = np.arange(15).reshape(3, 5)
>>> a
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])
>>> a.shape
(3, 5)
>>> a.ndim
2

該數組在每行中都有五個變量，因此我希望它具有5個維。

為什么a.ndim等於2？

Answer 1

尺寸表示形狀元組的長度。 ndarray的形狀為（3，5），因為它具有3行和5列。 這正是您試圖找到的，不是嗎？

Answer 2

我把框架和數組弄錯了，數組是通過如何找到數字，定位數字的步驟來判斷的，在這種情況下，需要先定位行然后再定位行。 但是在Frame中，對於一個實例，該實例擁有一行，並且其中的所有行都描述了它的屬性，或稱其為變量，或用於定義實例的尺寸。 在“框架”中，您可以使用二維數組定義多維實例。
Array
1 4 5
2 3 6
所以這是兩步，您將找到數字，就像您可以[] []定位一樣
但在框架中
Length Height Weight
1 23 34 56
2 89 87 63
這是一個框架，實際上是一個3維“數組”，但不是數組。

Answer 3

鑒於您正在使用scikit學習，我將在機器學習的背景下對此進行解釋，因為它可能更有意義...

您的特征矩陣（我認為這就是您在這里所說的）通常是二維的（因此為什么ndim = 2 ），因為您有行（占1維）和列（占第二維） ）

在機器學習的情況下，我通常將行視為示例，將列視為要素。

但是請注意，每個維度可以有多個條目（例如，您將有多個樣本/行和多個列/功能）。 這告訴您沿該尺寸的尺寸。

因此，在您的情況下：

>>> a
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])
>>> a.shape
(3, 5)
>>> a.ndim
2

您具有一個長度/大小為3的維度，另一個具有5個條目的維度。 例如，您可以將其視為包含3個樣本和5個特征/變量的特征矩陣。

總而言之，您有2個維度（ ndim = 2 ），但是數組的特定大小由形狀元組表示，它告訴您這2個維度中的每個維度有多大。

此外， (3,5,2)將是一個具有3維的矩陣，其中第3維具有2個值

我認為，至少在二維情況下，這里的關鍵是不要將其視為嵌套列表或嵌套向量（考慮[]時看起來就是這樣），而只是將其視為具有以下內容的表：行和列。 當您想到數據結構時， shape元組和ndim會更有意義