.shape []在“ for i in range（Y.shape [0]）”中有什么作用？

我试图逐行分解程序。Y是数据矩阵，但我无法找到有关.shape[0]确切功能的任何具体数据。

for i in range(Y.shape[0]):
    if Y[i] == -1:

该程序使用numpy，scipy，matplotlib.pyplot和cvxopt。

shapenumpy数组的属性返回数组的尺寸。如果Y具有n行和m列，Y.shape则为(n,m)。所以Y.shape[0]是n。

In [46]: Y = np.arange(12).reshape(3,4)

In [47]: Y
Out[47]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

In [48]: Y.shape
Out[48]: (3, 4)

In [49]: Y.shape[0]
Out[49]: 3

shape是提供数组尺寸的元组。

>>> c = arange(20).reshape(5,4)
>>> c
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15],
       [16, 17, 18, 19]])

c.shape[0] 
5

给出行数

c.shape[1] 
4

给出列数

shape是一个元组，用于指示数组中的维数。因此，在您的情况下，由于索引值为Y.shape[0]0，因此您正在沿着数组的第一个维度进行操作。

来自 http://www.scipy.org/Tentative_NumPy_Tutorial#head-62ef2d3c0a5b4b7d6fdc48e4a60fe48b1ffe5006

 An array has a shape given by the number of elements along each axis:
 >>> a = floor(10*random.random((3,4)))

 >>> a
 array([[ 7.,  5.,  9.,  3.],
        [ 7.,  2.,  7.,  8.],
        [ 6.,  8.,  3.,  2.]])

 >>> a.shape
 (3, 4)

和http://www.scipy.org/Numpy_Example_List#shape有一些更多的例子。

在python中，假设您已经以某种可变的方式加载了数据：

train = pandas.read_csv('file_name')
>>> train
train([[ 1.,  2.,  3.],
        [ 5.,  1.,  2.]],)

我想检查“ file_name”的尺寸。我已将文件存储在火车中

>>>train.shape
(2,3)
>>>train.shape[0]              # will display number of rows
2
>>>train.shape[1]              # will display number of columns
3

在Pythonshape()中，在大熊猫中使用它来给出行数/列数：

行数由下式给出：

train = pd.read_csv('fine_name') //load the data
train.shape[0]

列数由

train.shape[1]

shape() 由具有两个参数行和列的数组组成。

如果您搜索，shape[0]那么它将为您提供行数。 shape[1]将给您列数。