改变二维 numpy 数组的结构答案

【问题标题】：Changing structure of 2d numpy arrays改变二维 numpy 数组的结构
【发布时间】：2021-12-06 23:26:11
【问题描述】：

我有一个名为 my_array 的 numpy 数组

当我打印 glove_ds.shape 时，我得到 2049 当我打印glove_ds[i].shape时，我得到300（我在2049的范围内）

我想将 glove_ds 形状更改为 2049*300（当我调用 glove_ds.shape 时）。我该怎么做？

所以我的代码是：

print(glove_ds.shape, glove_ds[0].shape)

答案是

> (2429,) (300,)

我希望得到答案

(2429*300)

【问题讨论】：

你能发布一个最小的例子吗？形状通常以元组形式给出，因此如果您只指定整数值，则很难回答您的问题
我会更新我的问题
你有一个 numpy 数组吗？或者您是否创建了一个具有对象数据类型的数组？或者你在谈论一个 xarray 数据集，因为你称之为 ds？
我想创建一个我想成为二维数据集的数据集。 raws数=样本数，列数=特征数
问题显然是glove_ds 的初始化/生成位置。如果没有这些代码部分，就很难查明问题所在。我敢打赌你会在某处混合数据类型，例如通过尝试使用 tensorfow 张量列表初始化 numpy 数组 - 这可以解释为什么两者都有 .shape 函数。

【解决方案1】：

您是如何创建阵列 glove_ds 的？你不应该使用“dtype=object”。每个glove_ds[i]的长度都一样吗？

【讨论】：

【解决方案2】：

my_array.size 怎么样 - 它返回数组 https://note.nkmk.me/en/python-numpy-ndarray-ndim-shape-size/ 中的元素总数，还是必须打印为 2 个数字之间的倍数？那么my_array.shape和my_array.len就可以使用了

【讨论】：

如numpy docs 中所述，my_array.size 与 np.prod(my_array.shape) 相同，但数据类型不同。
对吗？即，如果 OP 想要数组中元素的总数，那么 size 是要走的路。但是，尚不清楚 OP 是否想要计算的结果或像计算一样打印它，例如，如果 OP 想要打印 15 或 3*5