Numpy“形状”函数返回二维数组的一维值答案

【问题标题】：Numpy's "shape" function returns a 1D value for a 2D arrayNumpy“形状”函数返回二维数组的一维值
【发布时间】：2021-05-31 17:05:15
【问题描述】：

所以我创建了这个数组作为例子：

a = np.array([[1, 1, 1, 1, 2], [2, 2, 2, 3], [3, 3, 3, 4], [13, 49, 13, 49], [10, 10, 2, 2],
             [11, 1, 1, 1, 2], [22, 2, 2, 3], [33, 3, 3, 4], [133, 49, 13, 49], [100, 10, 2, 2],
             [5, 1, 1, 1, 2], [32, 2, 2, 3], [322, 3, 3, 4], [13222, 49, 13, 49], [130, 10, 2, 2]])

我想创建一个二维数组。因此，例如在这种情况下，15*5 数组。

但是，当我使用a.shape 时，它会返回(15,)

我的数组定义有什么问题？

【问题讨论】：

标签： python arrays python-3.x numpy multidimensional-array

【解决方案1】：

看看a.dtype：对象是O。当您尝试输入参差不齐的数组时，通常会发生这种情况。在这种情况下，您可以看到只有索引 0、5、10 处的元素实际上有五个元素。所有其他子列表都有四个元素。如果你想要一个(15, 5) 数组，你需要确保每行有5个元素。

【讨论】：

【解决方案2】：

检查你的数组到底是什么：

import numpy as np

a = np.array([[1, 1, 1, 1, 2], [2, 2, 2, 3], [3, 3, 3, 4], [13, 49, 13, 49], [10, 10, 2, 2],
             [11, 1, 1, 1, 2], [22, 2, 2, 3], [33, 3, 3, 4], [133, 49, 13, 49], [100, 10, 2, 2],
             [5, 1, 1, 1, 2], [32, 2, 2, 3], [322, 3, 3, 4], [13222, 49, 13, 49], [130, 10, 2, 2]])

print(repr(a))

它是一个列表对象的数组：

array([list([1, 1, 1, 1, 2]), list([2, 2, 2, 3]), list([3, 3, 3, 4]),
       list([13, 49, 13, 49]), list([10, 10, 2, 2]),
       list([11, 1, 1, 1, 2]), list([22, 2, 2, 3]), list([33, 3, 3, 4]),
       list([133, 49, 13, 49]), list([100, 10, 2, 2]),
       list([5, 1, 1, 1, 2]), list([32, 2, 2, 3]), list([322, 3, 3, 4]),
       list([13222, 49, 13, 49]), list([130, 10, 2, 2])], dtype=object)

问题在于每个子列表中的元素数量各不相同（有些是 4，有些是 5），所以它只能存储为列表的一维数组。要获得二维数组，子列表中的元素数量必须相等。

【讨论】：

终于有人回答了这个问题。

【解决方案3】：

您的示例中的问题是某些行有 5 个元素，而其他行有 4 个元素。结果，numpy 无法创建它的 15*5 数组。它在你的情况下抱怨：

不推荐从不规则的嵌套序列（它是列表或元组的列表或元组或具有不同长度或形状的 ndarray 的列表或元组）创建 ndarray。

根据 Terasa 的说法，“原始数据存在一些根本性的错误处理/误解”。所以你要做的第一件事就是找出问题所在。

如果它是安全的，并且唯一的目标是制作一个矩阵，你可以试试下面的代码。一种解决方案是使用 pandas 来处理缺失值。然后将 dataframe 转换为 numpy 矩阵。

代码是

import numpy as np
import pandas as pd

df = pd.DataFrame([[1, 1, 1, 1, 2], [2, 2, 2, 3], [3, 3, 3, 4], [13, 49, 13, 49], [10, 10, 2, 2],
             [11, 1, 1, 1, 2], [22, 2, 2, 3], [33, 3, 3, 4], [133, 49, 13, 49], [100, 10, 2, 2],
             [5, 1, 1, 1, 2], [32, 2, 2, 3], [322, 3, 3, 4], [13222, 49, 13, 49], [130, 10, 2, 2]])

a = df.to_numpy()

可以直接运行代码查看生成的矩阵。

【讨论】：

你怎么知道哪些元素被认为是“缺失”的？我认为这比帮助更危险，因为显然 OP 对原始数据进行了一些基本的虐待/误解，并且默默地将 NaN 添加到数据中并不能解决任何问题，而是隐藏了问题。
放轻松。我只是提供一种基于数据生成 15x5 矩阵的方法。制作矩阵后，可以仔细处理带有 NaN 的行。我的解决方案没有隐藏它们，但指出了 NaN 的问题。

【解决方案4】：

Tl;博士。您的各个列表具有可变长度，因此迫使您的 NumPy 数组成为列表对象的一维数组，而不是整数/浮点数的二维数组

只有当每个轴具有相同数量的元素时，才能定义 Numpy 数组。否则，您将得到一个 1D 对象数组。

这就是您的阵列正在发生的事情。您有一个列表列表，其中包含可变数量的元素（一些 4 和一些 5）。这在转换过程中将其转换为 (15,) numpy 数组，其中数组有 15 个单独的列表对象。

a = np.array([[1, 1, 1, 1, 2], [2, 2, 2, 3], [3, 3, 3, 4], [13, 49, 13, 49]
##           |______________|  |__________|
##                   |               |
##            5 length            4 length

快速演示 -

#Variable length sublists
print(np.array([[1,2,3], [4,5]]))

#Fixed length sublists
print(np.array([[1,2,3], [4,5,6]]))

array([list([1, 2, 3]), list([4, 5])], dtype=object)  #This is (2,)

array([[1, 2, 3],                    #This is (2,3)
       [4, 5, 6]])

您可能想要做的是固定每个子列表中的元素数量。
或者您可能想在阵列上做一些填充。

【讨论】：