非常基本的Numpy数组维度可视化

问题内容：

我是一个麻木的初学者，没有矩阵方面的经验。我了解基本的1d和2d数组，但是在可视化如下3d
numpy数组时遇到了麻烦。以下python列表如何形成具有高度，长度和宽度的3d数组？哪些行和列？

b = np.array([[[1, 2, 3],[4, 5, 6]],
          [[7, 8, 9],[10, 11, 12]]])

问题答案：

ndarrayNumPy中an的解剖结构看起来像下面的红色立方体：（来源：康奈尔大学物理系）

离开2D空间并输入3D或更高维度的空间后，行和列的概念就不再有意义。但是您仍然可以直观地了解3D阵列。例如，考虑您的示例：

In [41]: b
Out[41]: 
array([[[ 1,  2,  3],
        [ 4,  5,  6]],

       [[ 7,  8,  9],
        [10, 11, 12]]])

In [42]: b.shape
Out[42]: (2, 2, 3)

这里的形状b是(2, 2, 3)。您可以考虑一下，我们将两个
(2x3)矩阵堆叠在一起形成一个3D阵列。要访问第一个矩阵，您可以b像那样索引到数组中b[0]，要访问第二个矩阵，您可以b像那样索引到数组中b[1]。

# gives you the 2D array (i.e. matrix) at position `0`
In [43]: b[0]
Out[43]: 
array([[1, 2, 3],
       [4, 5, 6]])


# gives you the 2D array (i.e. matrix) at position 1
In [44]: b[1]
Out[44]: 
array([[ 7,  8,  9],
       [10, 11, 12]])

但是，如果您进入4D或更高的空间，则很难从阵列本身中了解任何意义，因为我们人类很难可视化4D和更大的尺寸。因此，宁愿只考虑ndarray.shape属性并使用它。

有关如何使用（嵌套）列表构建更高维数组的更多信息：

对于一维数组，数组构造函数需要一个序列（tuple, list等），但通常list使用该序列。

In [51]: oneD = np.array([1, 2, 3,])    
In [52]: oneD.shape
Out[52]: (3,)

对于2D数组，它list of lists可以是，也可以是tuple of listsortuple of tuples等等：

In [53]: twoD = np.array([[1, 2, 3], [4, 5, 6]])
In [54]: twoD.shape
Out[54]: (2, 3)

对于3D阵列，它是list of lists of lists：

In [55]: threeD = np.array([[[1, 2, 3], [2, 3, 4]], [[5, 6, 7], [6, 7, 8]]])

In [56]: threeD.shape
Out[56]: (2, 2, 3)

PS在 内部，将ndarray其存储在存储块中，如下图所示。（来源：想法）

非常基本的Numpy数组维度可视化

微信关注