Numpy array form metode

Python-programmeringsspråk er et veldig enkelt programmeringsspråk på høyt nivå. Dette er det mest elskede programmeringsspråket på høyt nivå blant utviklere. Det tilbyr flere praktiske og utrolige biblioteker som inneholder ekstremt nyttige innebygde funksjoner. Det numpy biblioteket på Python -programmeringsspråket gjør matematisk beregning enklere og enkelt. I denne opplæringen vil vi undersøke Numpy Array Shape -metoden for å hjelpe deg med å forstå hvordan du bruker formmetoden i Python -koder.

Hva er en numpy array -formmetode i Python?

Numpy -biblioteket tilbyr mange nyttige funksjoner for matriser, og formmetoden er en av dem. Numpy Array Shape -metoden i Python -programmet brukes til å få form av matrisen. Arrayens form beskriver hvor mange elementer som er til stede i hver dimensjon. Form () -funksjonen levert av Numpy -biblioteket returnerer en tuple som inneholder antall tilsvarende elementer. For eksempel, hvis en matrise er todimensjonal, som inneholder fem elementer i hver dimensjon, vil formen () -funksjonen returnere (2, 5). 2 representerer 2-D, og ​​5 indikerer varetallene i hver dimensjon.

Lær hvordan du bruker Numpy Array Shape -teknikken i Python -skript ved å se på forskjellige eksempler.

Eksempel 1

Vi vil starte med et enkelt eksempel for å hjelpe deg med å forstå den grunnleggende arbeidet med Numpy Array Shape -metoden. Vi vil demonstrere formmetoden ved å teste den på 1-D, 2-D og 3-D-matriser. Referansekoden er gitt på skjermdumpen nedenfor:

Importer numpy som npy
ARY1 = NPY.Array ([1, 2, 3, 4, 5])
ARY2 = NPY.Array ([[1, 2, 3, 4], [5, 6, 7, 8]])
ARY3 = NPY.Array ([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
trykk ('form på matrise 1 er =', ary1.form)
trykk ('\ nshape of Array 2 er =', ary2.form)
trykk ('\ nshape of Array 3 er =', ary3.form)

Vi importerte Numpy -biblioteket i første linje med "import numpy as npy" -erklæringen. NPY -variabelen vil bli brukt i hele programmet for å kalle formen () og andre nødvendige metoder. Først erklærte vi en matrise “Ary1”, som er en endimensjonal matrise som inneholder fem elementer. For det andre erklærte vi en annen rekke, “ARY2”, som er en todimensjonal matrise som inneholder fire elementer i hver dimensjon. Og til slutt erklærte vi en tredje matrise, “ARY3”, som er en tredimensjonal matrise som inneholder to elementer i hver størrelse. Tre trykte () utsagn viser formen på alle matriser med formmetoden. Hver variabel som inneholder matriser vil kalle formmetoden slik at formen på den tilsvarende matrisen blir sjekket. Utgangen som genereres av programmet er gitt i skjermbildet nedenfor:

Her kan du merke at formen til den første matrisen er 1-D, og ​​det er grunnen til at formmetoden bare returnerer (5,) som representerer at det er fem elementer i matrisen. Formen på “Ary2” er (2, 4), som viser at matrisen er 2-D, og ​​hver dimensjon inkluderer fire elementer. Og til slutt er formen på den tredje matrisen (2, 2, 2), som representerer at matrisen er tredimensjonal og hver dimensjon inneholder to rader og to kolonner.

Eksempel 2

Tidligere har vi eksplisitt erklært tre matriser, 1-D, 2-D og 3-D, og ​​sjekket formen deres med Numpy Array Shape-metoden. Her oppretter vi en matrise med Numpy -biblioteket og deretter sjekker formen til den opprettede matrisen med Numpy Array Shape -metoden. Sjekk ut referansekoden gitt i følgende skjermbilde:

Importer numpy som npy
y = npy.Zeros ((3, 4, 5), dtype = int)
trykk ('Den beregnede matrisen er: \ n', y)
trykk ('\ nshape of matrise er =', y.form)

Numpy Library importeres til programmet først for å bruke formmetoden til Numpy Library. Etter det opprettes en rekke nuller med NPY.Zeros () -kommandoen. Som du kan se, (3, 4, 5) er gitt til Zeros () -funksjonen, som betyr at en 3-D-matrise som inneholder fire rader og fem kolonner med nuller skal opprettes.

Først skrives den opprettede arrayen med PRINT () -kommandoen, og deretter blir formen til den opprettede matrisen bekreftet med form () -funksjonen. Kommandoen Print () brukes igjen for å vise resultatet av Numpy Array Shape -metoden. Utgangen fra den beregnede matrisen og Numpy Array Shape -metoden er gitt i følgende skjermbilde. Se følgende utgang for å forstå arbeidet med Numpy Array Shape -metoden:

Eksempel 3

Så langt har vi lært hvordan du bruker Numpy Array Shape-metoden på den eksplisitt definerte matrisen og den auto-genererte matrisen med en funksjon. Tidligere lærte vi hvordan vi lager en matrise ved å tilby alle essensielle elementer i funksjonen. Her lærer vi hvordan du lager en flerdimensjonal matrise ved bare å gi vektorverdier. Etter å ha opprettet matrisen fra vektorer, vil vi bekrefte dimensjonene til matrisen ved å bruke Numpy Array Shape -metoden. Referansekoden er gitt i følgende skjermbilde:

Importer numpy som npy
ary = npy.Array ([2, 4, 6, 8], ndmin = 6)
trykk ('Arrayen er:', ary)
trykk ('\ N -formen til matrisen er:', ary.form)

Først importeres Numpy -biblioteket til programmet som NPY, og deretter vil NPY -variabelen bli brukt til å kalle en hvilken som helst funksjon av Numpy -biblioteket i programmet. Her vil vi bruke array () -funksjonen til Numpy -biblioteket for å lage en matrise og formmetoden til Numpy -biblioteket for å bekrefte dimensjonen til den opprettede matrisen. NPY.Array ([2, 4, 6, 8]) brukes til å lage en matrise med [2, 4, 6, 8] verdi, og NDmin = 6 brukes til å lage en rekke 6 dimensjoner. Som du ser, ga vi vektorverdiene til matrisefunksjonen () og instruerte den om å lage en seksdimensjonal matrise med NDMIN-parameteren.

I henhold til reglene og arbeidet med matrisefunksjonen (), bør den seks-dimensjonale matrisen opprettes med de første fem dimensjonene som bare inneholder ett element og den siste dimensjonen som inneholder de medfølgende elementene. La oss bekrefte dette i utdataene nedenfor:

Konklusjon

Denne guiden handlet om Numpy Array Shape -metoden. Formmetoden levert av Python Numpy -biblioteket brukes til å sjekke dimensjonene til den gitte matrisen. Formen på matrisen refererer til antall elementer som eksisterer i hver dimensjon av matrisen. Ved hjelp av enkle og nyttige eksempler lærte vi hvordan vi bruker Numpy Array Shape -metoden i Python -programmer. Du kan få hjelp fra disse prøvekodene som den er, eller du kan endre dem etter behov. Imidlertid vil disse eksempler på programmene være nyttige for læringen din.