numpy數組維度理解終結版

寫在前面

可能你會不相信，我是從玩pytorch中過來的，我以爲有必要記錄一下，transpose這個坑還非踩不可,爲了說的清楚一點兒，我多鋪墊一點兒，先說說numpy數組維度的理解

引子

>>> a = np.arange(start=0, stop=24)
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
       17, 18, 19, 20, 21, 22, 23])
>>> a = a.reshape(4, 3, 2)
>>> # 老鐵們猜一猜長啥樣
>>> a
array([[[ 0,  1],
        [ 2,  3],
        [ 4,  5]],

       [[ 6,  7],
        [ 8,  9],
        [10, 11]],

       [[12, 13],
        [14, 15],
        [16, 17]],

       [[18, 19],
        [20, 21],
        [22, 23]]])
>>> # 我猜你還沒get到點
>>> a.shape
(4, 3, 2)
>>> # 我到底想說啥，仍是一頭霧水，對吧？？哈哈

別揍我，關子賣的挺大，我到底想說啥呢？？
可能多用來處理圖片的緣故，我們多用二維數組，二維數組array.shape返回的元組，[0]是有幾行的意思(也就是數組所謂的寬)，[1]是有幾列的意思(也就是數組所謂的長)
而上面引例中，你能夠把它理解爲四通道的圖片,而每一通道能夠單獨視做一張灰度圖, 這樣說應該沒問題吧？(但願你們能理解)，因此按照我們以前在二維圖片的理解，a.shape返回的元組應該有[0]是圖片的寬(有幾行),[1]是圖片的長(有幾列)，[2]是圖片的通道數
因此a.shape應該爲：(3, 2, 4)即三行兩列四通道

然而實際上,a.shape返回的元組是(4, 3, 2)，該怎麼理解呢？？
我這裏提出一種解釋（只方便理解，也不知道對不對哈）

我們初次看三維數組 a
扒開它的第一層皮，看到了四個二維數組:

[[ 0,  1],
        [ 2,  3],
        [ 4,  5]],

       [[ 6,  7],
        [ 8,  9],
        [10, 11]],

       [[12, 13],
        [14, 15],
        [16, 17]],

       [[18, 19],
        [20, 21],
        [22, 23]]

而你看到的 4個二維數組所在的維度就是 三維數組中所謂的 第一維即 shape[0]

---

取這 4個二維數組中的 第一個
把它的皮剝掉

[ 0,  1],
        [ 2,  3],
        [ 4,  5]

沒錯，我想說的就是，這 3個一維數組所在的維度就是 三維數組中所謂的 第二維即 shape[1]

---

咱善始善終，取這 3個一維數組中的 第一個
把它的皮剝掉,

0， 1

只剩下 兩個常數，嗯嗯，這 倆常數就是 三維數組中所謂的 第三維即 shape[2]

---

總結一下

看見高維度數組，不要慌，從外向裏依次"剝皮"，就分別是數組的第1， 2， 3......維度
下一篇博客寫transpose函數