我目前正在尝试学习Numpy和Python。 给定以下数组:
import numpy as np
a = np.array([[1,2],[1,2]])
是否有一个返回的尺寸的函数a
(EGA是一个2×2阵列)?
size()
返回4,这并没有太大帮助。
#1楼
它是.shape
:
ndarray。 形状
数组维度的元组。
从而:
>>> a.shape
(2, 2)
#2楼
import numpy as np
>>> np.shape(a)
(2,2)
如果输入不是numpy数组而是列表列表,则也可以使用
>>> a = [[1,2],[1,2]]
>>> np.shape(a)
(2,2)
或元组的元组
>>> a = ((1,2),(1,2))
>>> np.shape(a)
(2,2)
#3楼
第一:
按照惯例,在Python世界中, numpy
的快捷方式是np
,因此:
In [1]: import numpy as np
In [2]: a = np.array([[1,2],[3,4]])
第二:
在Numpy中, 维度 , 轴/轴 , 形状是相关的,有时是相似的概念:
尺寸
在“ 数学/物理学”中 ,维度或维度被非正式地定义为指定空间内任何点所需的最小坐标数。 但在numpy的 ,根据numpy的文档 ,这是相同的轴线/轴:
在Numpy中,尺寸称为轴。 轴数为等级。
In [3]: a.ndim # num of dimensions/axes, *Mathematics definition of dimension*
Out[3]: 2
轴/轴
在Numpy中索引array
的第n个坐标。 多维数组每个轴可以有一个索引。
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)
形状
描述沿每个可用轴有多少数据(或范围)。
In [5]: a.shape
Out[5]: (2, 2) # both the first and second axis have 2 (columns/rows/pages/blocks/...) data
#4楼
shape
方法要求a
为Numpy ndarray。 但是Numpy还可以计算纯python对象的可迭代对象的形状:
np.shape([[1,2],[1,2]])
#5楼
您可以使用.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
来源:oschina
链接:https://my.oschina.net/stackoom/blog/3190643