NumPy Array Shape
Formen på en array kan definieras som antalet element i varje dimension. Dimension är antalet index eller subskript som vi behöver för att specificera ett individuellt element i en array.
Hur kan vi få formen av en array?
I NumPy kommer vi att använda ett attribut som heter shape som returnerar a tuppel , ger elementen i tupeln längden på motsvarande arraydimensioner.
Syntax: numpy.shape(array_name)
Parametrar: Array skickas som en parameter.
Lämna tillbaka: En tupel vars element ger längden på motsvarande arraydimensioner.
Formmanipulation i NumPy
Nedan finns några exempel som vi kan förstå om formmanipulation i NumPy i Pytonorm :
Exempel 1: Shape of Arrays
Skriver ut formen på den flerdimensionella arrayen. I det här exemplet två NumPy-matriser arr1> och arr2> skapas och representerar en 2D-array respektive en 3D-array. Formen på varje array skrivs ut och avslöjar deras dimensioner och storlekar längs varje 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)
Exempel 2: Shape of Array Använder ndim
I det här exemplet skapar vi en array med hjälp av ndmin använda en vektor med värdena 2,4,6,8,10 och verifiera värdet för sista dimensionen.
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)
Exempel 3: Shape of Array of Tuples
I det här exemplet skapar vi en NumPy array där varje element är en tupel. Vi kommer också att visa hur man bestämmer formen på en sådan 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)
