Размеры массива

Question

В настоящее время я пытаюсь выучить Numpy и Python. Учитывая следующий массив:

import numpy as np
a = np.array([[1,2],[1,2]])

Есть ли функция, которая возвращает размеры a (например, массив 2 на 2)?

size() возвращает 4, и это не очень помогает.

Answer 1

Это .shape:

ndarray. форма
Кортеж размеров массива.

Таким образом:

>>> a.shape
(2, 2)

Answer 2

Первый:

По соглашению, в мире Python, ярлык для numpy является np, так:

In [1]: import numpy as np

In [2]: a = np.array([[1,2],[3,4]])

Во-вторых:

В Numpy измерение, ось / оси, форма связаны между собой, а иногда и похожими понятиями:

измерение

В математике / физике размерность или размерность неофициально определяется как минимальное количество координат, необходимое для указания любой точки в пространстве. Но в Numpy, согласно numpy doc, это то же самое, что ось / оси:

В Numpy размеры называются осями. Количество осей - ранг.

In [3]: a.ndim  # num of dimensions/axes, *Mathematics definition of dimension*
Out[3]: 2

ось / оси

n-я координата для индексации array в Numpy. А многомерные массивы могут иметь один индекс на ось.

In [4]: a[1,0]  # to index `a`, we specific 1 at the first axis and 0 at the second axis.
Out[4]: 3  # which results in 3 (locate at the row 1 and column 0, 0-based index)

форма

описывает, сколько данных (или диапазон) по каждой доступной оси.

In [5]: a.shape
Out[5]: (2, 2)  # both the first and second axis have 2 (columns/rows/pages/blocks/...) data

Answer 3

import numpy as np   
>>> np.shape(a)
(2,2)

Также работает, если входные данные не массив Numpy, а список списков

>>> a = [[1,2],[1,2]]
>>> np.shape(a)
(2,2)

Или кортеж кортежей

>>> a = ((1,2),(1,2))
>>> np.shape(a)
(2,2)

Answer 4

Вы можете использовать.shape

In: a = np.array([[1,2,3],[4,5,6]])
In: a.shape
Out: (2, 3)
In: a.shape[0] # x axis
Out: 2
In: a.shape[1] # y axis
Out: 3

Answer 5

Ты можешь использовать .ndim для измерения и .shape знать точное измерение

var = np.array([[1,2,3,4,5,6], [1,2,3,4,5,6]])

var.ndim
# displays 2

var.shape
# display 6, 2

Вы можете изменить размер, используя .reshape функция

var = np.array([[1,2,3,4,5,6], [1,2,3,4,5,6]]).reshape(3,4)

var.ndim
#display 2

var.shape
#display 3, 4

Answer 6

shape метод требует, чтобы a быть Numpy ndarray. Но Numpy также может вычислять форму итераций чистых объектов Python:

np.shape([[1,2],[1,2]])

Answer 7

a.shape это просто ограниченная версия np.info(). Проверь это:

import numpy as np
a = np.array([[1,2],[1,2]])
np.info(a)

Вне

class:  ndarray
shape:  (2, 2)
strides:  (8, 4)
itemsize:  4
aligned:  True
contiguous:  True
fortran:  False
data pointer: 0x27509cf0560
byteorder:  little
byteswap:  False
type: int32

Answer 8

rows = a.shape[0] # 2 
cols = a.shape[1] # 2
a.shape #(2,2)
a.size # rows * cols = 4

Answer 9

Поскольку размеры массива numpy хранятся какshapeатрибут,getattr()также можно использовать.

      arr = np.arange(8).reshape(2,2,2)
getattr(arr, 'shape')   # (2, 2, 2)

Это полезно, если вам нужно получить его вместе с динамическим списком других свойств. Примером может быть

      properties = ['shape', 'ndim', 'size']
d = {prop: getattr(arr, prop) for prop in properties}
# {'shape': (2, 2, 2), 'ndim': 3, 'size': 8}

Answer 10

Выполните нижеприведенный блок кода в записной книжке Python.

      import numpy as np
a = np.array([[1,2],[1,2]])
print(a.shape)
print(type(a.shape))
print(a.shape[0])

выход

(2, 2)

<класс 'кортеж'>

2

тогда вы поняли, что a.shapeэто кортеж. так что вы можете получить размер любого размера a.shape[index of dimention]