x.shape[0] vs x[0].shape in NumPy

Question

比方说，我有一个数组，

x.shape = (10,1024)

当我尝试打印x.shape时

x[0].shape

它打印1024

当我打印x.shape时

x.shape[0]

它打印10

我知道这是一个愚蠢的问题，也许还有其他类似的问题，但有人能给我解释一下吗？

Answer 1

x是2D阵列，其也可以被视为具有10行和1024列的1D阵列的阵列。x[0]是第一个有1024个元素的一维子数组(在x中有10个这样的一维子数组)，x[0].shape给出了该子数组的形状，恰好是一个1元组(1024, )。

另一方面，x.shape是一个2元组，它表示x的形状，在本例中是(10, 1024)。x.shape[0]提供了元组中的第一个元素，即10。

这是一个带有一些较小数字的演示，希望它更容易理解。

x = np.arange(36).reshape(-1, 9)
x

array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8],
       [ 9, 10, 11, 12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23, 24, 25, 26],
       [27, 28, 29, 30, 31, 32, 33, 34, 35]])

x[0]
array([0, 1, 2, 3, 4, 5, 6, 7, 8])

x[0].shape
(9,)

x.shape
(4, 9)

x.shape[0]
4

Answer 2

x[0].shape将给出数组的第一行的长度。x.shape[0]将给出数组中的行数。在你的例子中，它会输出10。如果你输入x.shape[1]，它会打印出列数，即1024。如果你输入x.shape[2]，它会给出一个错误，因为我们正在处理一个二维数组，并且我们已经超出了索引。让我用一个简单的例子来解释一下'shape‘的所有用法，取一个3x4维的二维零数组。

import numpy as np
#This will create a 2-d array of zeroes of dimensions 3x4
x = np.zeros((3,4))
print(x)
[[ 0.  0.  0.  0.]
[ 0.  0.  0.  0.]
[ 0.  0.  0.  0.]]

#This will print the First Row of the 2-d array
x[0]
array([ 0.,  0.,  0.,  0.])

#This will Give the Length of 1st row
x[0].shape
(4,)

#This will Give the Length of 2nd row, verified that length of row is showing same 
x[1].shape
(4,)

#This will give the dimension of 2-d Array 
x.shape
(3, 4)

# This will give the number of rows is 2-d array 
x.shape[0]
3

# This will give the number of columns is 2-d array 
x.shape[1]
3

# This will give the number of columns is 2-d array 
x.shape[1]
4

# This will give an error as we have a 2-d array and we are asking value for an index 
out of range
x.shape[2]
---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-20-4b202d084bc7> in <module>()
----> 1 x.shape[2]

IndexError: tuple index out of range

Answer 3

x[0].shape给出了第一行的长度。x.shape[0]给出了“x”维度的第一个分量，即1024行乘10列。