Numpy中shape()函数的意义及相关用法
shape函数的功能是读取矩阵或数组的长度
**通常有三种使用方法:shape[0],shape[1],shape
shape[0] :读取行数
shape[1]:读取列数
shape:行列数组成元组直接输出**
**
一、当数组或矩阵是一维时
**
1、只能使用shape[0],返回的是数组或矩阵中元素的个数
a=np.array([2,3,4])
print(a.shape[0])
输出结果:
3
2、 如果使用shape[1]
a=np.array([2,3,4])
print(a.shape[1])
输出报错:
print(b.shape[1])
IndexError: tuple index out of range
二、当数组或矩阵是二维时
这里需要注意在写矩阵或数组的外面是一个()和一个[]
1、shape[0] :读取行数
import numpy as np
a=np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
print(a.shape[0])
输出结果:
4
2、shape[1]:读取列数
import numpy as np
a=np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
print(a.shape[1])
输出结果:
3
3、shape:行列数组成元组直接输出
import numpy as np
a=np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
print(a.shape)
输出结果:
(4, 3)
三、当数组或矩阵是三维时
这里需要注意在写矩阵或数组的外面是一个()和两个个[]
import numpy as np
a=np.array([[[1,2,3],[4,5,6],[7,8,9],[10,11,12]]])
print(a.shape)
输出结果:
(1,4,3)
今天的文章shape函数的用法描述大小_shape[0]和shape[1]分享到此就结束了,感谢您的阅读。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/71330.html