Python NumPy numpy.shape() 函数

Minahil Noor 2023年1月30日
  1. numpy.shape() 语法
  2. 示例代码:numpy.shape()
  3. 示例代码:numpy.shape() 传递一个简单的数组
  4. 示例代码:numpy.shape() 传递一个多维数组
  5. 示例代码: numpy.shape() 使用数组的名称调用函数
Python NumPy numpy.shape() 函数

Python NumPy numpy.shape() 函数可以返回数组的形状。所谓形状,我们指的是它可以帮助找到一个数组的尺寸。它以元组的形式返回形状,因为我们不能改变元组,就像我们不能改变数组的尺寸一样。

numpy.shape() 语法

numpy.shape(a)

参数

a 它是一个类似于数组的结构。它是输入的数组,用于查找尺寸。

返回值

它以整数的元组形式返回数组的形状。元组的值显示了数组维度的长度。

示例代码:numpy.shape()

参数 a 是一个强制参数。如果我们在一个空的数组上执行这个函数,它将产生以下输出。

import numpy as np

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

输出:

(0,)

它返回了一个带有具有整数值 0 的元组,这表明数组是一维的,数组大小为零。

示例代码:numpy.shape() 传递一个简单的数组

现在我们将传递一个简单的一维数组。

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)

输出:

(20,)

输出显示数组是一维的,包含 20 个元素。

示例代码:numpy.shape() 传递一个多维数组

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)

输出:

(5, 3)

请注意,输出元组现在包含两个整数元素。这表明数组包含五行三列。

现在我们将传递一个更复杂的数组。

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)

输出:

(3, 2, 3)

我们已经传递了一个包含三个二维数组的数组。输出元组显示数组有三层,两行,三列。

示例代码: numpy.shape() 使用数组的名称调用函数

我们也可以用数组的名字来调用这个函数。它也会产生同样的输出。下面的代码片段使用数组的名称来实现这个函数。

我们将首先传递一个一维的数组。

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)

输出:

(20,)

请注意,它产生的输出与使用 numpy.shape() 调用方法产生的输出是一样的。

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)

输出:

(3, 2, 3)