NumPy数组维度
【介绍】
数组维数
现在我们已经创建了一维和二维数组,
让我们深入了解 NumPy 的主要优势之一:处理任何维度数据的能力。
由于以更高维度保存的数据可能更难处理,我们还将学习如何检查和更新数组形状。
让我们潜入!
3D 数组
就像我们可以通过向 NumPy 提供列表列表来创建 2D 数组一样,我们可以通过创建列表的列表的列表来创建 3D 数组。
或者,我们可以创建一个 2D 数组的数组。
为此,我们将 2D 数组列表传递给 np.array()
。
我们可以将 3D 阵列可视化为一堆形状相同的 2D 数组堆叠在一起。
array_1_2D = np.array([[1,2], [5,7]])
array_2_2D = np.array([[8,9], [5,7]])
array_3_2D = np.array([[1,2], [5,7]])
array_3D = np.array([array_1_2D, array_2_2D, array_3_2D])
4D数组
四维数组可能更难可视化,因为我们没有第四维。将 4D 阵列视为充满 3D 阵列的 2D 阵列。
array_4D = np.array([array_A_3D, array_B_3D,array_C_3D,array_D_3D,array_E_3D,array_F_3D,array_G_3D, array_H_3D,array_I_3D])