numpy的shape函数返回值问题,具体一点：shape的返回值为什么因数据量的多少发生了改变

Question

使用自己的数据进行tensorflow相关实验时发现 tf.convert_to_tensor(data)报错，提示需要的是二进制或字符串而data是一个['...','..',...]形式的数据

而label则能跑通

输入的文件是4002个浮点数一行，共8400行，前4000个是data，后两个表示label

最主要的是通过对函数返回的data和label使用shape函数得到的结果却大不一样！

先附上代码

def loadDataSet(filename):
    dataL = []
    labelL = []
    fr = open(filename)
    #for line in fr.readlines():
    for i in range(100):
        line = fr.readline()
        lineArr = line.strip().split(' ')
        npy = array(lineArr)
        dataL.append(npy[:-2])
        labelL.append(npy[-2:])
    fr.close()
    data = array(dataL)
    label = array(labelL)
    print(len(data),len(label))
    return data,label

t_x,t_y = loadDataSet('rand_out.txt')

train_y = tf.convert_to_tensor(t_y)

print(type(train_y))
print(type(t_y))
print(type(t_x))
print(len(t_x[0]))
print(len(t_y[0]))
print(t_x.shape)
print(t_y.shape)

发现在上述代码中循环变量i的取值范围直接影响print的输出结果

可以看出i的循环范围大于某个数后，data也就是上面代码中的t_x.shape输出从（int,int)变成了（int,)
即for i in range（4000）时，shape是（4000，）;for i in range(100)时，shape是（100，4000）

Answer 1

t_x.shape 是 你读入的数据尺寸，正常来讲在你的循环不大于你的数据总行数时,他的值应该是（循环次数，4000），
你在循环次数大于100之后，开始出现（int，）这种情况肯定是的的元数据有问题，打开你的数据文件，100行之后的肯定出现了只有标签没有数据的行
把这些行删除，或在读取数据是对数据做一个筛选就ok了