np.squeeze 从形状 (1,1) 返回后的形状 () 的 ndarray 是什么？答案

【问题标题】：What is an ndarray of shape () returned after np.squeeze from shape (1,1)?np.squeeze 从形状 (1,1) 返回后的形状 () 的 ndarray 是什么？
【发布时间】：2017-08-24 13:20:41
【问题描述】：

我正在计算 NN 的成本函数。我对从 numpy.dot 获得的 (1,1) 答案执行 numpy.squeeze。然后我得到一个形状为 (0,1) 的 ndarray。

什么是形状 () 的 ndarray，形状 (1,) 的 ndarray 与形状 (5) 中的一个有何不同？

【问题讨论】：

试试cost.item() 或cost[()]
提示：您可以去掉很多括号以提高可读性：cost2 = -1.0 / m * (np.dot(Y, np.log(A).T) + np.dot(1.0 - Y, np.log(1.0 - A).T))

标签： python-2.7

【解决方案1】：

形状为 (1, 1) 的 ndarray 类似于 [[3]]，类似于 1x1 矩阵。
形状为(1,) 的ndarray 类似于[3]，类似于大小为1 的向量。
形状为() 的ndarray，也称为标量，类似于3。

区别很微妙，因为由于广播规则，标量和数组通常可以毫无问题地组合，但是您不能索引标量，而您可以索引大小为 1 的向量或大小为 1x1 的矩阵。另一方面，标量通常可以像原始 Python 值一样使用，例如 int 或 float。如果您不想使用标量，您可以将axis 参数传递给np.squeeze 以确保某些维度不会被压缩，或者使用np.atleast_1d 以确保您传递的任何内容至少具有一个维度。您还可以使用 np.isscalar 检查某物是否为标量。

【讨论】：

【解决方案2】：

dot 与 (1,n) 和 (n,1) 生成 (1,1) 数组：

In [1221]: x = np.ones((3,1))
In [1222]: xx = np.dot(x.T,x)
In [1223]: xx.shape
Out[1223]: (1, 1)
In [1224]: xx
Out[1224]: array([[ 3.]])

item 可用于从数组中提取该值：

Out[1227]: 3.0
In [1228]: type(_)
Out[1228]: float

您也可以通过索引选择项目，尽管type 会有所不同：

In [1229]: xx[0,0]
Out[1229]: 3.0
In [1230]: type(_)
Out[1230]: numpy.float64

对于许多用途，float 和 np.float64 之间的区别并不重要。

squeeze 删除所有尺寸为 1 的尺寸。在这种情况下，结果是一个 0d 数组。 item 仍然有效。使用正确大小的索引（即长度为 0 的元组）也可以使用索引：

In [1231]: xx0 = np.squeeze(xx)
In [1232]: xx0.shape
Out[1232]: ()
In [1233]: xx0.item()
Out[1233]: 3.0
In [1234]: xx0[()]
Out[1234]: 3.0
In [1235]: type(_)
Out[1235]: numpy.float64

np.float64 的类继承是：

In [1236]: _.__mro__
Out[1236]: 
(numpy.float64,
 numpy.floating,
 numpy.inexact,
 numpy.number,
 numpy.generic,
 float,
 object)

所以isinstance float 仍然会返回 true

In [1237]: isinstance(xx0.item(),float)
Out[1237]: True
In [1238]: isinstance(xx0[()],float)
Out[1238]: True
In [1239]: isinstance(xx[0,0],float)
Out[1239]: True

我不会依赖于所有 numpy dtypes。

【讨论】：