Pythonのarangeの表記方法の違い

Question

import numpy as np

として

X = np.arange(10)

とすると

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]ができると思います。

Y = np.array([np.arange(10)])

とする場合と、

X = np.arange(10)とは、どういった違いがあるのでしょうか？

たとえば、X のほうが

X = np.arange(10).reshape(2,5)のとき、

Y = np.array([np.arange(10)])　とXとを計算すると、

Yのほうが自動でXのほうの形に合わせてくれる、とかでしょうか？

私の解釈がまったく違っていたら、すみません。。

教えていただけたら、幸いです。

よろしくお願いします。

Comments

[otn]

1行ずつ空行が空いて、非常に読みにくいです。今後の投稿時は気をつけてください。

Answer 1

np.arange(10)はarray([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])になりますが、これは0~9を要素に持つ１次元のnumpy配列です。この結果を①とします。

[np.arange(10)]は[array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])]で、①の結果を要素に持つ長さ1のリストですね。この結果を②とします。

np.array([np.arange(10)])は②をnumpy配列に変換しているコードで、結果はarray([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])という２次元のnumpy配列になりますね。

---

Yのほうが自動でXのほうの形に合わせてくれる

そんな機能はありません。

Comments

[renji]

ありがとうございました。
ひとつひとつの式を分解して教えてくださったので、とても分かりやすかったです。

ひとつだけ疑問があるのですが、
一次元のnumpy配列が[1,2]などで
二次元のnumpy配列が[[1,2],[3,4]]と
思っていたのですが、

＞([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])
（[ ] の中に[ ] があるような形）

というような場合も二次元になるのでしょうか？

丁寧に教えていただいたにもかかわらず、初歩的な質問をしているかと思い、恐縮ですが、アドバイスいただけると幸いです。
よろしくお願い致します。

[hayataka2049]

1行10列の2次元配列ですね
ここでいう1次元、2次元の数字はarray.ndimで確認できます。また、array.shapeで実際にどんな形をしているのか確認できます
>>> np.array([np.arange(10)]).ndim
2
>>> np.array([np.arange(10)]).shape
(1, 10)

[renji]

ありがとうございました。
いろいろと検索して調べていましたが、hayataka2049様のアドバイスでようやく、理解できました。
また、ndimとshapeの使い方を教えていただき、ありがとうございます。勉強になりました。
2次元や1次元はまだまだ把握するのが大変ですが、すこしずつ、学んでいきたいです。
今回は二度も教えていただき、ありがとうございました。