Dimensões da matriz numpy

367

Atualmente, estou tentando aprender Numpy e Python. Dada a seguinte matriz:

import numpy as np
a = np.array([[1,2],[1,2]])

Existe uma função que retorna as dimensões de a(ega é uma matriz de 2 por 2)?

size() retorna 4 e isso não ajuda muito.

— homem livre de morgan
fonte

26

Um conselho: suas "dimensões" são chamadas de shape, em NumPy. O que NumPy chama de dimensão é 2, no seu caso ( ndim). É útil conhecer a terminologia usual do NumPy: isso facilita a leitura dos documentos!

— Eric O Lebigot

498

É .shape:

ndarray. forma
Tupla de dimensões da matriz.

Portanto:

>>> a.shape
(2, 2)

— Felix Kling
fonte

25

Nota: shapepode ser descrito com mais precisão como um atributo do que como uma função , pois não é chamado usando a sintaxe da chamada de função.

— Nobar

17

@nobar na verdade é uma propriedade (que é tanto um atributo e uma função, realmente)

— Wim

A propriedade @wim, mais especificamente , é uma classe . No caso de propriedades de classe (uma propriedade que você coloca em sua classe), elas são objetos do tipo property expostos como um atributo da classe. Um atributo, em python, é o nome após o ponto .

— Pedro Rodrigues

2

Se você realmente deseja nitpick, é um descritor. Embora propertyela própria seja uma classe, ndarray.shapenão é uma classe, é uma instância do tipo de propriedade.

— Wim

66

Primeiro:

Por convenção, no mundo Python, o atalho para numpyé np, então:

In [1]: import numpy as np

In [2]: a = np.array([[1,2],[3,4]])

Segundo:

Em Numpy, dimensão , eixo / eixo , forma estão relacionados e, às vezes, conceitos semelhantes:

dimensão

Em Matemática / Física , dimensão ou dimensionalidade é definida informalmente como o número mínimo de coordenadas necessárias para especificar qualquer ponto dentro de um espaço. Mas em Numpy , de acordo com o documento numpy , é o mesmo que eixo / eixos:

Em Numpy, as dimensões são chamadas de eixos. O número de eixos é classificação.

In [3]: a.ndim  # num of dimensions/axes, *Mathematics definition of dimension*
Out[3]: 2

eixo / eixos

a enésima coordenada para indexar um arrayem Numpy. E matrizes multidimensionais podem ter um índice por eixo.

In [4]: a[1,0]  # to index `a`, we specific 1 at the first axis and 0 at the second axis.
Out[4]: 3  # which results in 3 (locate at the row 1 and column 0, 0-based index)

forma

descreve quantos dados (ou o intervalo) ao longo de cada eixo disponível.

In [5]: a.shape
Out[5]: (2, 2)  # both the first and second axis have 2 (columns/rows/pages/blocks/...) data

— YaOzI
fonte

45

import numpy as np   
>>> np.shape(a)
(2,2)

Também funciona se a entrada não for uma matriz numpy, mas uma lista de listas

>>> a = [[1,2],[1,2]]
>>> np.shape(a)
(2,2)

Ou uma tupla de tuplas

>>> a = ((1,2),(1,2))
>>> np.shape(a)
(2,2)

— user4421975
fonte

np.shapeprimeiro transforma seu argumento em uma matriz, se não tiver o atributo shape, por isso funciona nos exemplos de lista e tupla.

— precisa saber é

17

Você pode usar .shape

In: a = np.array([[1,2,3],[4,5,6]])
In: a.shape
Out: (2, 3)
In: a.shape[0] # x axis
Out: 2
In: a.shape[1] # y axis
Out: 3

— Rhuan Caetano
fonte

9

Você pode usar .ndimpara dimensão e .shapeconhecer a dimensão exata

var = np.array([[1,2,3,4,5,6], [1,2,3,4,5,6]])

var.ndim
# displays 2

var.shape
# display 6, 2

Você pode alterar a dimensão usando a .reshapefunção

var = np.array([[1,2,3,4,5,6], [1,2,3,4,5,6]]).reshape(3,4)

var.ndim
#display 2

var.shape
#display 3, 4

— Daksh
fonte

7

O shapemétodo requer que aseja um ndarray Numpy. Mas o Numpy também pode calcular a forma de iteráveis de objetos python puros:

np.shape([[1,2],[1,2]])

— aph
fonte

1

a.shapeé apenas uma versão limitada do np.info(). Veja isso:

import numpy as np
a = np.array([[1,2],[1,2]])
np.info(a)

Fora

class:  ndarray
shape:  (2, 2)
strides:  (8, 4)
itemsize:  4
aligned:  True
contiguous:  True
fortran:  False
data pointer: 0x27509cf0560
byteorder:  little
byteswap:  False
type: int32

— prosti
fonte