Размеры массива

Ответ 1

Это .shape:

ndarray. форма
Кортеж размеров массива.

Таким образом:

>>> a.shape
(2, 2)

Ответ 2

Во-первых:

По соглашению, в мире Python ярлык для numpy равен np, поэтому:

In [1]: import numpy as np

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

Во-вторых:

В Numpy, размер, оси/оси, форма связаны, а иногда и с аналогичными понятиями:

размер

В математике/физике размерность или размерность неформально определяются как минимальное количество координат, необходимых для указания любой точки в пространстве. Но в Numpy, в соответствии с numpy doc, он совпадает с осью/осями:

В размерах Numpy называются осями. Число осей - ранг.

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

ось/оси

n-я координата для индексации a 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 количество данных (или диапазона) вдоль каждой доступной оси.

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

Ответ 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)

Ответ 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

Ответ 5

Метод shape требует, чтобы a был Nump ndarray. Но Numpy также может вычислять форму итераций чистых объектов python:

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

Ответ 6

Вы можете использовать .ndim для измерения и .shape чтобы узнать 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 функцию .reshape

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

Ответ 7

Используйте атрибут .shape массива numpy. Используйте .shape [i] для прямого доступа к каждому измерению.

Например, если вы пишете:

a = np.array([[11,12],[21,22],[31,32]])
print(a)
print("Shape: " + str(a.shape))
print("Shape (raws): " + str(a.shape[0]))
print("Shape (columns): " + str(a.shape[1]))

ты получишь:

[[11 12]
 [21 22]
 [31 32]]
Shape: (3, 2)
Shape (raws): 3
Shape (columns): 2