NumPy Array Shape
Formen af et array kan defineres som antallet af elementer i hver dimension. Dimension er antallet af indekser eller subscripts, som vi har brug for for at specificere et individuelt element i en matrix.
Hvordan kan vi få formen af et array?
I NumPy vil vi bruge en attribut kaldet shape, som returnerer en tupel , giver tupelens elementer længderne af de tilsvarende array-dimensioner.
Syntaks: numpy.shape(array_name)
Parametre: Array sendes som en parameter.
Vend tilbage: En tupel, hvis elementer giver længderne af de tilsvarende array-dimensioner.
Formmanipulation i NumPy
Nedenfor er nogle eksempler, som vi kan forstå om formmanipulation i NumPy i Python :
Eksempel 1: Form af arrays
Udskrivning af formen på det multidimensionelle array. I dette eksempel to NumPy-arrays arr1> og arr2> oprettes, der repræsenterer henholdsvis et 2D-array og et 3D-array. Formen på hvert array udskrives og afslører deres dimensioner og størrelser langs hver dimension.
Python3
import> numpy as npy> # creating a 2-d array> arr1> => npy.array([[> 1> ,> 3> ,> 5> ,> 7> ], [> 2> ,> 4> ,> 6> ,> 8> ]])> # creating a 3-d array> arr2> => npy.array([[[> 1> ,> 2> ], [> 3> ,> 4> ]], [[> 5> ,> 6> ], [> 7> ,> 8> ]]])> print> (arr1.shape)> print> (arr2.shape)> |
Produktion:
(2, 4) (2, 2,2)
Eksempel 2: Shape of Array Brug af ndim
I dette eksempel opretter vi et array vha ndmin ved at bruge en vektor med værdierne 2,4,6,8,10 og verificere værdien af sidste dimension.
python3
import> numpy as npy> # creating an array of 6 dimension> # using ndim> arr> => npy.array([> 2> ,> 4> ,> 6> ,> 8> ,> 10> ], ndmin> => 6> )> # printing array> print> (arr)> # verifying the value of last dimension> # as 5> print> (> 'shape of an array :'> , arr.shape)> |
Produktion:
[[[[[[ 2 4 6 8 10]]]]]] shape of an array : (1, 1, 1, 1, 1, 5)
Eksempel 3: Shape of Array of Tuples
I dette eksempel vil vi oprette en NumPy-array hvor hvert element er en tupel. Vi vil også demonstrere, hvordan man bestemmer formen på et sådant array.
Python3
import> numpy as np> # Create an array of tuples> array_of_tuples> => np.array([(> 1> ,> 2> ), (> 3> ,> 4> ), (> 5> ,> 6> ), (> 7> ,> 8> )])> # Display the array> print> (> 'Array of Tuples:'> )> print> (array_of_tuples)> # Determine and display the shape> shape> => array_of_tuples.shape> print> (> '
Shape of Array:'> , shape)> |
Produktion:
Array of Tuples: [[1 2] [3 4] [5 6] [7 8]] Shape of Array: (4, 2)
