Hình dạng của một mảng có thể được định nghĩa là số phần tử trong mỗi chiều. Thứ nguyên là số chỉ mục hoặc chỉ số mà chúng tôi yêu cầu để chỉ định một phần tử riêng lẻ của một mảng
Làm thế nào chúng ta có thể có được Hình dạng của một Mảng?
Trong NumPy, chúng tôi sẽ sử dụng một thuộc tính có tên là hình dạng trả về một bộ dữ liệu, các phần tử của bộ dữ liệu cung cấp độ dài của kích thước mảng tương ứng
cú pháp. cục mịch. hình dạng [tên_mảng]
Thông số. Mảng được truyền dưới dạng Tham số.
Trở lại. Một bộ có các phần tử cung cấp độ dài của các kích thước mảng tương ứng.
ví dụ 1. [In hình mảng nhiều chiều]
Python3
import
numpy as npy
# creating a 2-d array
arr1
=
npy.array[[[
1
___,
[[[[[[ 2 4 6 8 10]]]]]] shape of an array : [1, 1, 1, 1, 1, 5]0_______23__________
[[[[[[ 2 4 6 8 10]]]]]] shape of an array : [1, 1, 1, 1, 1, 5]2
,
0_______4[[[[[[ 2 4 6 8 10]]]]]] shape of an array : [1, 1, 1, 1, 1, 5]5_______0_______6
,
[[[[[[ 2 4 6 8 10]]]]]] shape of an array : [1, 1, 1, 1, 1, 5]8
,
16_______0,
import
2import
3
import
4
import
5=
import
71
___,
[[[[[[ 2 4 6 8 10]]]]]] shape of an array : [1, 1, 1, 1, 1, 5]6
[[[[[[ 2 4 6 8 10]]]]]] shape of an array : [1, 1, 1, 1, 1, 5]5
[[[[[[ 2 4 6 8 10]]]]]] shape of an array : [1, 1, 1, 1, 1, 5]0
,
0_______8numpy as npy
5[[[[[[ 2 4 6 8 10]]]]]] shape of an array : [1, 1, 1, 1, 1, 5]2
,
import
0[[[[[[ 2 4 6 8 10]]]]]] shape of an array : [1, 1, 1, 1, 1, 5]5
[[[[[[ 2 4 6 8 10]]]]]] shape of an array : [1, 1, 1, 1, 1, 5]4
,
import
2_______18_______3
# creating a 2-d array
4
# creating a 2-d array
5
# creating a 2-d array
6
# creating a 2-d array
7
# creating a 2-d array
8
# creating a 2-d array
9arr1
0
# creating a 2-d array
9arr1
2
đầu ra.
[2, 4] [2, 2,2]
Ví dụ trên trả về [2, 4] và [2,2,2] nghĩa là mảng1 có 2 chiều và mỗi chiều có 4 phần tử. Tương tự, mảng2 có 3 chiều và mỗi chiều có 2 hàng và 2 cột
ví dụ 2. [Tạo mảng bằng ndmin sử dụng vectơ có giá trị 2,4,6,8,10 và xác minh giá trị của thứ nguyên cuối cùng]
trăn3
import
numpy as npy
arr1
5
arr1
6
arr1
7=
arr1
9
[[[[[[ 2 4 6 8 10]]]]]] shape of an array : [1, 1, 1, 1, 1, 5]6_______23_______0_______8
,
16_______0,
16_______2,
=
8=
9=
import
0npy.array[[[
2 Thuộc tính ________ 72 _______ của mảng NumPy là một bộ cho chúng ta biết kích thước của mỗi mảng lồng nhau. Thuộc tính này được sử dụng phổ biến nhất để truy cập số lượng hàng và cột của mảng 2D NumPy
Lấy số hàng và số cột của mảng 2D
Chúng tôi muốn lấy số hàng và cột của mảng 2D NumPy. Mã là thẳng về phía trước
x = np.array[[[1,2,3], [4,5,6]]]
Ở đây, mảng NumPy của chúng tôi x
có 2 hàng và 3 cột
Vì shape
là một bộ, nên chúng ta có thể truy cập các giá trị bằng cách sử dụng ký hiệu giống như mảng
print["Number of columns: " + str[num_cols]]
Hình dạng của một mảng 1D
Hình dạng của mảng 1D có thể gây nhầm lẫn cho những ai coi mảng NumPy là vectơ/ma trận
Ví dụ
Giả sử chúng ta có đoạn mã sau
Hơi khó hiểu, sự hiện diện của dấu phẩy có thể đánh lừa bạn nghĩ rằng x
của chúng tôi là hai chiều. Tuy nhiên, chúng tôi biết rằng x
là một chiều vì nó chỉ đơn giản là [1,2,3]
. Do đó, nếu bạn thấy ,
theo sau là không có gì, thì bạn có cho mình một mảng phẳng hoặc một vectơ cho hàm nghiêng về mặt toán học. Ngoài ra, [3,]
chỉ có nghĩa là bạn có 3 phần tử trong mảng của mình và không liên quan gì đến số hàng và số cột
Diễn giải hàng/cột chỉ hoạt động đối với mảng 2D. Điều hấp dẫn là thuộc tính x = np.array[[[1,2,3], [4,5,6]]] x = np.array[[[1,2,3], [4,5,6]]]shape
chỉ có thể được hiểu là số lượng hàng và cột cho mảng 2D. Nếu chúng ta nghĩ về
1 như một vectơ hoặc ma trận 3 nhân 1, chúng ta có thể có xu hướng nghĩ về hình dạng của nó là
2. Mặc dù suy nghĩ về vectơ và ma trận là hữu ích trong thế giới của NumPy, nhưng chúng ta vẫn cần ghi nhớ sự tinh tế của thuộc tính hình dạng. Thuộc tính shape cung cấp cho chúng ta kích thước của mảng trong mỗi chiều của nó, không nhất thiết phải bằng số lượng hàng và cột. Tuy nhiên, đối với mảng 2D, hình dạng tương ứng với các hàng và cột