为什么 3D numpy 数组按原样打印（它们是如何排序的）？答案

【问题标题】：Why are 3D numpy arrays printed the way they are (How are they ordered)?为什么 3D numpy 数组按原样打印（它们是如何排序的）？
【发布时间】：2019-02-22 23:50:56
【问题描述】：

我正试图围绕 3D 数组（或一般的多维数组）展开思考，但这让我有点不知所措。特别是打印 3D numpy 数组的方式对我来说是违反直觉的。这个问题是similar，但更多的是关于编程语言之间的差异，我仍然没有完全理解。让我试着解释一下。

假设我想创建一个 3 行（长度）、5 列（宽度）和 2 深度的 3D 数组。所以一个 3x5x2 矩阵。

我执行以下操作：

import numpy as np
a = np.zeros(30).reshape(3, 5, 2)

对我来说，打印它的合乎逻辑的方式是这样的：

[[[0. 0. 0. 0. 0.]  #We can still see three rows from top to bottom
  [0. 0. 0. 0. 0.]] #We can still see five columns from left to right

 [[0. 0. 0. 0. 0.]  #Depth values are shown underneath each other
  [0. 0. 0. 0. 0.]] 

 [[0. 0. 0. 0. 0.]
  [0. 0. 0. 0. 0.]]]

但是，当我打印这个数组时，它会像这样打印：

[[[0. 0.] #We can still see three rows from top to bottom,
  [0. 0.] #However columns now also appear from top to bottom instead of from left to right
  [0. 0.] #Depth values are now shown from left to right
  [0. 0.]
  [0. 0.]]

 [[0. 0.]
  [0. 0.]
  [0. 0.]
  [0. 0.]
  [0. 0.]]

 [[0. 0.]
  [0. 0.]
  [0. 0.]
  [0. 0.]
  [0. 0.]]]

我不明白为什么会以这种方式打印数组。也许只有我一个人（也许我这里缺乏空间推理），或者 NumPy 数组这样打印是否有特定原因？

【问题讨论】：

3x5x2 表示您有 3 个形状为 5x2 的数组。这就是你所看到的。 3 这里是深度。第一个数组是 5 行 2 列 (5x2)，第二个数组是 5 行 2 列 (5x2)，第三个数组是 5 行 2 列 (5x2)。该数组是逐层打印的
reshape(3, 2, 5) 会得到预期的结果
首先，看看np.zeroes(10).reshape(5, 2)。那是 5 行 2 列，而不是 2 行 5 列。前面加3表示5行2列3个平面。
您缺少的是新维度位于前端，而不是末端。
@Barmar 我明白了......所以你说的是当我使用 np.reshape() 添加维度（比如从 2D 到 3D）时，我应该总是添加额外的维度在前面？你知道为什么会这样吗？因为在数学中，通常在末尾添加额外的维度（就像用 z 扩展 (x,y) 变成 (x,y,z)

标签： python numpy multidimensional-array numpy-ndarray

【解决方案1】：

将 cmets 综合成正确答案：

首先，看看np.zeros(10).reshape(5, 2)。那是 5 行 2 列，而不是 2 行 5 列。前面加 3 表示 3 个 5 行 2 列的平面。您缺少的是您的新维度位于前端，而不是末端。在数学中，通常在末尾添加额外的维度（就像用 z 扩展 (x,y) 变成 (x,y,z)。但是，在计算机科学中，数组维度通常以这种方式完成。它反映了数组的方式通常以行优先顺序存储在内存中。

【讨论】：