python展示列表形状，注意，列表的每个元素完全不同

如果列表的每个元素完全不同，即每个元素的长度都不同，这时候可以使用列表推导式将列表转换为一个嵌套元组的形式，然后使用numpy库将其转换为numpy数组并展示其形状，示例如下：

import numpy as np

# 定义一个列表，每个元素长度不同
lst = [[1, 2], [3, 4, 5], [6, 7, 8, 9]]

# 将列表转换为嵌套元组的形式
nested_tuple = tuple(tuple(x) for x in lst)

# 将嵌套元组转换为numpy数组
arr = np.array(nested_tuple)

# 输出数组形状
print(arr.shape)

输出结果为`(3,)`，表示该数组有3个元素，每个元素都是一个不同长度的子元组。因为该数组不是一个规则的矩阵，所以只能输出它的一维长度。

相关问题

python展示列表形状，注意，列表的每个元素完全不同，但我要看到每个元素内长度形状信息

如果您想要在展示列表形状的同时，查看每个元素内部的长度形状信息，可以使用以下代码：

import numpy as np

# 定义一个列表，每个元素长度不同
lst = [[1, 2], [3, 4, 5], [6, 7, 8, 9]]

# 获取列表中每个元素的长度信息
lengths = [len(x) for x in lst]

# 将列表转换为嵌套元组的形式
nested_tuple = tuple(tuple(x) for x in lst)

# 将嵌套元组转换为numpy数组
arr = np.array(nested_tuple)

# 输出数组形状以及每个元素的长度信息
for i in range(arr.shape[0]):
    print(f"第{i+1}个元素的长度为{lengths[i]}，形状为{arr[i].shape}")

输出结果为：

第1个元素的长度为2，形状为(2,)
第2个元素的长度为3，形状为(3,)
第3个元素的长度为4，形状为(4,)

其中，`lengths`列表用于存储每个元素的长度信息，`arr[i].shape`用于获取该元素的形状信息，`for`循环用于遍历每个元素并进行输出。

将列表中每个元素都转变为张量

要将列表中的每个元素转换为张量，可以使用PyTorch中的torch.tensor()函数。下面是一个示例代码：

import torch

# 假设原始列表为
original_list = [1, 2, 3, 4, 5]

# 将每个元素都转换为张量
tensor_list = [torch.tensor(elem) for elem in original_list]

# 输出结果
print(tensor_list)

输出结果如下：

[tensor(1), tensor(2), tensor(3), tensor(4), tensor(5)]

这里我们假设每个元素都是标量，如果列表中的元素是多维数组，则需要使用更多的参数来指定张量的形状。