Python NumPy numpy.shape() Fonction

  1. Syntaxe de numpy.shape()
  2. Exemples de codes : numpy.shape()
  3. Exemples de codes : numpy.shape() pour passer un tableau simple
  4. Exemples de codes : numpy.shape() pour passer un tableau multidimensionnel
  5. Exemples de codes : numpy.shape() pour appeler la fonction en utilisant le nom du tableau

La fonction Python NumPy numpy.shape() trouve la forme d’un tableau. Par forme, nous voulons dire qu’elle aide à trouver les dimensions d’un tableau. Elle renvoie la forme sous la forme d’un tuple car nous ne pouvons pas modifier un tuple tout comme nous ne pouvons pas modifier les dimensions d’un tableau.

Syntaxe de numpy.shape()

numpy.shape(a) 

Paramètres

a Il s’agit d’une structure de type tableau. C’est le tableau d’entrée pour trouver les dimensions.

Renvoie

Il renvoie la forme d’un tableau sous la forme d’un tuple d’entiers. Les valeurs des n-uplets indiquent la longueur des dimensions du tableau.

Exemples de codes : numpy.shape()

Le paramètre a est un paramètre obligatoire. Si nous exécutons cette fonction sur un tableau vide, elle génère la sortie suivante.

import numpy as np 
   
a = np.array([]) 
dimensions = np.shape(a) 
print(dimensions) 

Production:

(0,)

Elle a renvoyé un tuple avec un seul entier - 0. Il montre que le tableau est unidimensionnel avec zéro élément.

Exemples de codes : numpy.shape() pour passer un tableau simple

Nous allons maintenant passer un simple tableau unidimensionnel.

import numpy as np 
   
a = np.array([89, 34, 56, 87, 90, 23, 45, 12, 65, 78, 9, 34, 12, 11, 2, 65, 78, 82, 28, 78]) 
dimensions = np.shape(a) 
print(dimensions)  

Production:

(20,)

La sortie montre que le tableau est unidimensionnel et contient 20 éléments.

Exemples de codes : numpy.shape() pour passer un tableau multidimensionnel

import numpy as np 
   
a = np.array([[11, 12, 5], [15, 6,10], [10, 8, 12], [12,15,8], [34, 78, 90]]) 
dimensions = np.shape(a) 
print(dimensions) 

Production:

(5, 3)

Notez que le tuple de sortie contient maintenant deux éléments entiers. Il montre que le tableau contient cinq lignes et trois colonnes.

Nous allons maintenant passer à un tableau plus complexe.

import numpy as np 
   
a = np.array([[[11, 12, 5], [15, 6,10]],
             [[10, 8, 12], [12,15,8]],
             [[34, 78, 90], [4, 8, 10]]
             ]) 
dimensions = np.shape(a) 
print(dimensions) 

Production:

(3, 2, 3)

Nous avons passé un tableau qui contient trois tableaux de tableaux 2-D. Le tuple de sortie montre que le tableau a trois couches, deux lignes et trois colonnes.

Exemples de codes : numpy.shape() pour appeler la fonction en utilisant le nom du tableau

Nous pouvons également appeler cette fonction en utilisant le nom du tableau. Elle génère la même sortie. Les extraits de code suivants implémentent cette fonction en utilisant le nom du tableau.

Nous allons d’abord passer un tableau unidimensionnel.

import numpy as np 
   
a = np.array([89, 34, 56, 87, 90, 23, 45, 12, 65, 78, 9, 34, 12, 11, 2, 65, 78, 82, 28, 78]) 
dimensions = a.shape
print(dimensions) 

Production:

(20,)

Notez qu’il a généré la même sortie que celle générée par la méthode d’appel numpy.shape().

import numpy as np 
   
a = np.array([[[11, 12, 5], [15, 6,10]],
             [[10, 8, 12], [12,15,8]],
             [[34, 78, 90], [4, 8, 10]]
             ]) 
dimensions = a.shape 
print(dimensions) 

Production:

(3, 2, 3)