Размеры массива

367

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.

— Морган Фриман
источник

26

Совет: ваши «измерения» называются shapeв NumPy. То, что NumPy называет размерностью, равно 2, в вашем случае ( ndim). Полезно знать обычную терминологию NumPy: это облегчает чтение документов!

— Эрик О Лебиго

498

Это .shape:

ndarray. Форма
кортежа размеров массива.

Таким образом:

>>> a.shape
(2, 2)

— Феликс Клинг
источник

25

Примечание: shapeможет быть более точно описано как атрибут, чем как функция , так как он не вызывается с использованием синтаксиса вызова функции.

— Нобар

17

@nobar на самом деле это свойство (которое на самом деле является и атрибутом, и функцией)

— wim

Более конкретно свойство @wim - это класс . В случае свойств класса (свойство, которое вы помещаете в свой класс), они являются объектами свойства типа, представленного в качестве атрибута класса. Атрибутом в python является имя, следующее за точкой .

— Педро Родригес

2

Если вы действительно хотите придираться, это дескриптор. Хотя propertyсам по себе это класс, ndarray.shapeэто не класс, это экземпляр типа свойства.

— Вим

66

Первый:

По соглашению, в мире Python, ярлык для numpyIS 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

энный координат индексировать arrayв 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

— YaOzI
источник

45

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)

— user4421975
источник

np.shapeсначала превращает свой аргумент в массив, если у него нет атрибута shape, поэтому он работает с примерами списка и кортежа.

— hpaulj

17

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

— Руан Каэтано
источник

9

Вы можете использовать .ndimдля измерения и .shapeзнать 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 .reshapeфункцию

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

— Дакш
источник

7

shapeМетод требует , чтобы aбыть ndarray Numpy. Но Numpy также может вычислить форму итераций чистых объектов Python:

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

— APH
источник

1

a.shapeэто 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

— прости
источник