Formen af et array kan defineres som antallet af elementer i hver dimension. Dimension er antallet af indekser eller subscripts, som vi har brug for for at specificere et individuelt element i en matrix.
Hvordan kan vi få formen af et array?
I NumPy vil vi bruge en attribut kaldet shape, som returnerer en tupel , giver tupelens elementer længderne af de tilsvarende array-dimensioner.
eks af brugernavn
Syntaks: numpy.shape(array_name)
Parametre: Array sendes som en parameter.
Vend tilbage: En tupel, hvis elementer giver længderne af de tilsvarende array-dimensioner.
Formmanipulation i NumPy
Nedenfor er nogle eksempler, som vi kan forstå om formmanipulation i NumPy i Python :
Eksempel 1: Form af arrays
Udskrivning af formen på det multidimensionelle array. I dette eksempel to NumPy-arraysarr1>ogarr2>oprettes, der repræsenterer henholdsvis et 2D-array og et 3D-array. Formen på hvert array udskrives og afslører deres dimensioner og størrelser langs hver 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)>
Eksempel 2: Shape of Array Brug af ndim
I dette eksempel opretter vi et array vha ndmin ved at bruge en vektor med værdierne 2,4,6,8,10 og verificere værdien af sidste dimension.
java-indsamlingsramme
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)>
Eksempel 3: Shape of Array of Tuples
I dette eksempel vil vi oprette en NumPy-array hvor hvert element er en tupel. Vi vil også demonstrere, hvordan man bestemmer formen på et sådant array.
de er sangere
Python3
char tostring java
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)>