无法理解此代码的输出：python list to 1-d numpy array答案

【问题标题】：Cannot understand the output of this code: python list to 1-d numpy array无法理解此代码的输出：python list to 1-d numpy array
【发布时间】：2020-10-21 00:07:08
【问题描述】：

我尝试创建将 python 列表转换为 numpy 数组，但得到的输出非常不直观。当然我做错了什么，但出于好奇，我想知道为什么我会得到这样的输出。这是我的代码：

import numpy as np

# Exercise 2
a = [1, 5, 3, 6, 2]
b = np.ndarray(a)
print(b, b.dtype)

输出是

[[[[[0.00000000e+000 6.93284651e-310]
    [6.93284792e-310 6.93284744e-310]
    [6.93284744e-310 6.93284744e-310]
    [6.93284744e-310 6.93284744e-310]
    [6.93284744e-310 6.93284744e-310]
    [6.93284744e-310 6.93284744e-310]]

   [[6.93284744e-310 2.20882835e-314]
    [6.93284743e-310 6.93284743e-310]
    [6.93284743e-310 6.93284650e-310]
    [6.93284744e-310 6.93284744e-310]
    [6.93284744e-310 6.93284744e-310]
    [6.93284744e-310 6.93284744e-310]]

   ... (12 more blocks similar to ones above)

   [[6.93284871e-310 6.93284871e-310]
    [6.93284745e-310 6.93284871e-310]
    [6.93284651e-310 6.93284871e-310]
    [6.93284745e-310 6.93284871e-310]
    [6.93284871e-310 6.93284745e-310]
    [6.93284727e-310 6.93284871e-310]]]]] float64

【问题讨论】：

这能回答你的问题吗？ What is the difference between ndarray and array in numpy?
特伦顿，不完全是，但感谢您的参考。我发现了我的错误，只是想了解为什么我得到这个特定的输出。从答案中我得到了为什么输出是这种形状，但现在我也对这些值感到好奇。
可能是浮点精度。它们都等价于 0
对于ndarray，您没有指定buffer，只是指定了shape。所以这些值是“未初始化的”，甚至不是 0。如果你想要一个具有给定形状的 0 数组，请使用 np.zeros(shape)。
Why are floating point numbers inaccurate?

标签： python list numpy multidimensional-array

【解决方案1】：

你创建了一个五维数组。

a = [1, 5, 3, 6, 2]
b = np.ndarray(a)
print(b.shape)

给予

(1, 5, 3, 6, 2)

np.ndarray 的第一个参数是数组的形状。你可能想要的

b = np.array(a)
print(b)

给了

[1 5 3 6 2]

【讨论】：

谢谢，这是最清楚的答案。你能告诉我为什么大多数值是 6*10^(-310)，而其中一些是不同的吗？
我认为它是一个空数组，所以它是创建数组时内存中的任何内容。再试一次，你可能会得到不同的数字。

【解决方案2】：

您已经创建了一个 n 维数组，其中 n = 5 是传递的数组的长度（形成维度，如 here 所述）。

您可能正在寻找：

np.array(a)

这些数字是浮点数 0。

【讨论】：

【解决方案3】：

要从列表创建数组，请使用：b = np.array(a)。 np.ndarray 是另一个 numpy 类，函数的第一个参数是数组的形状（因此数组的形状是 b.shape -> (1, 5, 3, 6, 2)）

【讨论】：

【解决方案4】：

np.ndarray(shape, dtype=float....) 参数需要形状，因此它将在您的示例中创建一个形状为 (1, 5, 3, 6, 2) 的新数组

a = [1, 5, 3, 6, 2]
b = np.ndarray(a)
print(b.shape)

(1, 5, 3, 6, 2)

你想要的是np.array

a = [1, 5, 3, 6, 2]
b = np.array(a)
print(b.shape)

(5,)

【讨论】：