shape【1】在Python中什么意思，给出具体的代码示例

在Python中，`shape[1]`通常是用来获取数组或矩阵的列数（第二个维度的大小）。

具体的代码示例如下：

import numpy as np

# 创建一个2x3的矩阵
matrix = np.array([[1, 2, 3], [4, 5, 6]])

# 获取矩阵的列数
num_cols = matrix.shape[1]

# 输出列数
print(num_cols)  # 输出 3

在上面的示例中，`shape[1]`用于获取矩阵的列数，即第二个维度的大小，这里是3。

相关问题

什么是多步K-均值聚类并给出python代码示例

多步K-均值聚类是一种基于迭代的聚类算法，其核心思想是通过多次应用K-均值聚类来优化聚类结果。下面是一个使用Python实现多步K-均值聚类的示例代码：

import numpy as np
from sklearn.cluster import KMeans


def multi_kmeans(X, n_clusters, n_steps):
    """
    多步K-均值聚类
    :param X: 输入数据，shape为[n_samples, n_features]
    :param n_clusters: 聚类数量
    :param n_steps: 迭代次数
    :return: 聚类结果，shape为[n_samples,]
    """
    labels = np.zeros(X.shape[0])
    for i in range(n_steps):
        kmeans = KMeans(n_clusters=n_clusters, random_state=i)
        kmeans.fit(X)
        new_labels = kmeans.predict(kmeans.cluster_centers_)
        for j in range(n_clusters):
            labels[kmeans.labels_ == j] = new_labels[j]
    return labels.astype(int)

上述代码中，我们使用了scikit-learn库中的KMeans类实现了单次K-均值聚类，并在此基础上进行了多步迭代。具体来说，我们在每次迭代中，使用KMeans类聚类得到聚类中心，并将每个聚类中心作为新的数据点再次进行聚类。最终，我们将每个样本点归入到最终的聚类中心中。

Python中还有哪些常见的趣味代码示例？

Python作为一种简洁易学的语言，常常用于编写一些有趣的、富有创意的小程序。这里有几个常见的趣味代码示例：

1. **龟兔赛跑**：通过模拟龟兔比赛的场景，演示递归和while循环结合的巧妙应用，比如使用`time.sleep()`暂停模拟速度。

import time

def race(speed_rabbit, speed_turtle, distance):
    if distance == 0:
        print("乌龟赢了！")
    else:
        time.sleep(speed_rabbit)  # 兔子快，先休息
        if distance > speed_turtle:
            race(speed_rabbit, speed_turtle, distance - speed_turtle)
        else:
            race(speed_rabbit - speed_turtle, speed_turtle, distance)

race(10, 1, 50)

2. **ASCII艺术生成**：利用字符串连接和控制台宽度输出各种形状的艺术字符。

def draw_art(shape="@", cols=40):
    print(''.join([shape * (i + 1) for i in range(cols)]))

draw_art('#')  # 可以自定义形状和列数

3. **迷宫游戏**：简单的命令行迷宫探索，通常用递归来表示路径。

maze = [
    'S X',
    'X X X',
    'X H X',
]

def explore(x, y):
    if maze[y][x] == 'S':
        print("胜利!")
    elif maze[y][x] == 'H':
        print("失败!")
    elif maze[y][x] != 'X':
        print(maze[y][x])
        explore(x + 1, y)  # 右
        explore(x - 1, y)  # 左
        explore(x, y + 1)