Skip to main content
 首页 » 编程设计

python之为什么 3d 数组的打印结果与 python 中相同的心理可视化不同

2024年11月01日7java哥

我正在学习机器学习,但没有太多编码经验。在尝试理解 3d 数组时,我被指示将 2x4x3 数组可视化为: 2x4x3

但是当我使用以下方法创建具有相同形状的随机数组时:

X = np.random.randint(10, size=(2, 4, 3)) 
print(X) 

输出是

[[[6 1 0] 
  [6 6 5] 
  [2 7 0] 
  [5 4 3]] 
 
 [[7 8 2] 
  [9 1 2] 
  [2 0 1] 
  [8 0 9]]] 

这对我来说看起来像 4x3x2。

我是否将 2x4x3 理解为上面给出的图像?为什么 python 会像这样打印 3d 数组?最后,如果我的想象是正确的,生成的随机值在图像中是如何排列的?

请您参考如下方法:

MATLAB/Octave 确实将此 3 维数组显示为 3 个 (2,4) 矩阵 block

>> reshape(1:24,2, 4, 3) 
ans = 
 
ans(:,:,1) = 
 
   1   3   5   7 
   2   4   6   8 
 
ans(:,:,2) = 
 
    9   11   13   15 
   10   12   14   16 
 
ans(:,:,3) = 
 
   17   19   21   23 
   18   20   22   24 

但这里尾随维度是最外层的。这称为列主要或 Fortran 约定。请注意值是如何增加的,沿着列向下。

但在 numpy 中,主要维度是最外层的。值跨行增加。这是行优先或 C 排序

In [22]: np.arange(1,25).reshape(2,4,3)                                          
Out[22]:  
array([[[ 1,  2,  3], 
        [ 4,  5,  6], 
        [ 7,  8,  9], 
        [10, 11, 12]], 
 
       [[13, 14, 15], 
        [16, 17, 18], 
        [19, 20, 21], 
        [22, 23, 24]]]) 

此维度排序与等效列表中的嵌套相匹配:

In [24]: np.arange(1,25).reshape(2,4,3).tolist()                                 
Out[24]:  
[[[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]], 
 [[13, 14, 15], [16, 17, 18], [19, 20, 21], [22, 23, 24]]] 

维度的含义来自应用程序和用户,而不是来自 Python/numpy。图像通常是(高度、宽度、 channel )。在计算上,将一个像素的 channel 的 3(或 4)个元素保持在一起可能很方便,也就是说,使其成为最后一个维度。因此,您的 (2,4,3) 可以被认为是具有 3 种颜色 (rgb) 的 (2,4) 图像。普通的 numpy 打印不是可视化的最佳选择。

但是如果图像是 (400, 600, 3) 形状,我们不需要数组的“打印”。我们想要一个绘图或图像显示,一张图片,将最后一个维度呈现为颜色。