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