NumPy阵列的形状

数组的形状可以定义为每个维度上的元素数量。维度是指我们为了指定一个数组中的单个元素而需要的索引或下标的数量。

我们如何获得一个数组的shape

在NumPy中，我们将使用一个叫做shape的属性，它返回一个元组，元组中的元素给出了相应的数组尺寸的长度。

语法: numpy.shape(array_name)
参数：数组作为一个参数被传递。
返回：一个元组，其元素为相应的数组尺寸的长度。

示例 1: (Printing the shape of the multidimensional array)

import numpy as npy
 
# creating a 2-d array
arr1 = npy.array([[1, 3, 5, 7], [2, 4, 6, 8]])
 
# creating a 3-d array
arr2 = npy.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
 
# printing the shape of arrays
# first element of tuple gives
# dimension of arrays second
# element of tuple gives number
# of element of each dimension
print(arr1.shape)
print(arr2.shape)

输出:

(2, 4)
(2, 2,2)

上面的例子返回（2，4）和（2，2，2），这意味着arr1有2个维度，每个维度有4个元素。同样，arr2有3个维度，每个维度有2行和2列。

示例 2: (Creating an array using ndmin using a vector with values 2,4,6,8,10 and verifying the value of last dimension)

import numpy as npy
 
# creating an array of 6 dimension
# using ndim
arr = npy.array([2, 4, 6, 8, 10], ndmin=6)
 
# printing array
print(arr)
 
# verifying the value of last dimension
# as 5
print('shape of an array :', arr.shape)

输出:

[[[[[[ 2  4  6  8 10]]]]]]
shape of an array : (1, 1, 1, 1, 1, 5)

在上面的例子中，我们验证了维度的最后值为5。