Как найти форму NumPy в Python

Чтобы найти форму массива, мы можем использовать форму NumPy в Python. Функция NumPy shape() возвращает кортеж Python, указывающий размер массива в каждом измерении. np.shape[0] и np.shape[1] возвращают размер строки и размер столбца соответственно.

В NumPy форма массива представляет собой кортеж Python, который указывает размер массива в каждом измерении. Это свойство, определяющее структуру массива Python, то есть количество строк, столбцов и т. д., в зависимости от размерности массива.

Синтаксис:

array_name.shape

Он состоит из нескольких параметров:

• array_name: входной массив, формы которого мы хотим найти.
• Returns: значения функции формы всегда дают длину соседнего np.array в Python.

Давайте рассмотрим пример, чтобы проверить, как реализовать форму NumPy в Python.

import numpy as np

matrix = np.array([[1, 2, 3], [4, 5, 6]])
shape_of_matrix = matrix.shape

print("Shape of the matrix:", shape_of_matrix)

Вывод: в приведенном выше примере массив возвращает(2,6), что означает, что массив имеет 2 измерения, и каждое измерение имеет 6 значений.

Shape of the matrix:(2, 3)

Вот снимок экрана следующего кода Python:

• Функция
• Форма numpy против изменения формы
• Заключение

Функция

• Модуль NumPy предоставляет функцию формы для представления формы и размера массива в Python.
• Атрибут shape всегда возвращает кортеж, который представляет длину каждого измерения.

Синтаксис:

numpy.shape(arr)

Он состоит из нескольких параметров.

• arr: входной массив
• Returns: значения кортежа формы определяют длину соседних измерений массива.

Давайте рассмотрим пример, чтобы проверить, как реализовать форму NumPy в Python.

import numpy as np
 
arr = np.array([2,3,4,5,6,7,8])
print(arr)
 
print('Array Shape = ', np.shape(arr))

Вывод: сначала в приведенном выше коде мы импортируем библиотеку NumPy в Python и создаем одномерный массив, это кортеж с одним значением вместо целочисленного значения. Кортеж с одним элементом имеет запятую последовательности.

[2 3 4 5 6 7 8]
Array Shape = (7,)

Вот снимок экрана следующего кода Python:

• Shape[0] в np.shape — это кортеж, который всегда задает размеры массива в Python. Форма представляет собой кортеж, который дает нам указание на «нет».
• Функция формы для массивов NumPy возвращает размеры массива Python.
• Если Y имеет u строк и v столбцов, то Y.shape — это(u,v). Итак, Y.shape[0] — это v.

Давайте рассмотрим пример, чтобы проверить, как реализовать numpy shape 0.

import numpy as np

a = np.array([[2,3],[3,4]])
b = a.shape
print(b)
c = a.shape[0]
print(c)

Вывод: в приведенном выше примере нам нужно использовать функцию np.shape.

(2, 2)
2

Вот снимок экрана следующего кода Python:

• В Python NumPy некоторые функции возвращают результат в формате shape(R,1), а некоторые — как (R,).
• Это усложнит умножение матриц, поскольку потребуется явное изменение формы.
• Shape[1] в np.shape — это кортеж, который всегда задает размеры массива в Python. Функция формы представляет собой кортеж, который дает нам представление о количестве измерений в массиве.
• Если Y имеет w строк и z столбцов, то Y.shape — это(w,z). Итак, Y.shape[1] — это z.

Давайте рассмотрим пример, чтобы проверить, как реализовать форму 1 Python NumPy.

import numpy as np

a = np.array([[2,3],[3,4]])
b = np.shape(a)
print('Column shape=', a.shape[1])
print('Array Shape = ', np.shape(a))

Вывод: в приведенном выше коде мы импортируем библиотеку NumPy в Python и создадим массив, используя функцию numpy.array. Теперь мы можем легко использовать функцию np.shape() и передать значение 1 в качестве параметра. В результате будут отображены столбцы в массиве.

Column shape= 2
Array Shape = (2, 2)

Вот снимок экрана следующего кода Python:

Форма numpy против изменения формы

• np.reshape скопирует данные, если не сможет создать правильное представление, тогда как получение формы вызовет ошибку вместо копирования данных.
• Функция np.shape всегда выдает кортеж размеров массива в Python и ее легко использовать для изменения размеров массива.
• Функция reshape придает массиву новую форму, не меняя его значения. Он создает новый массив и не обновляет сам исходный массив.
• Функция формы всегда возвращает кортеж, который сообщает нам длину каждого измерения, а в случае функции изменения формы, если это возможно, возвращает новое значение существующих данных, а не создает полную копию исходного массива в Python.

Пример:

import numpy as np

a = np.array([2,3,4,5])
print('Array Reshape',np.reshape(a,(2,2)))# Reshape function 

print('Array shape',np.shape(a)) # shape function

Вывод: в приведенном выше коде мы импортируем библиотеку NumPy и создадим массив с помощью функции numpy. множество. Теперь мы можем использовать функцию np.reshape() для отображения нового массива в виде матрицы 2*2. Наряду с этим мы приравняем функцию, и она вернет массив размеров в форме формы.

Array Reshape [[2 3]
 [4 5]]
Array shape(4,)

Вот снимок экрана следующего кода Python:

Заключение

Понимание формы NumPy в Python — фундаментальный навык при работе с данными. Это обеспечивает более четкое понимание размеров массива, что имеет решающее значение при выполнении операций с массивами, изменении их формы и использовании широковещательной передачи.

Освоение фигур NumPy может привести к созданию более эффективного и читаемого кода, особенно при обработке сложных многомерных данных. Воспользовавшись многочисленными функциями, предоставляемыми NumPy для управления фигурами, можно в полной мере использовать мощь и гибкость этой важной библиотеки Python.