如何在Python中使用NumPy获得矩阵的维数

如何在Python中使用NumPy获得矩阵的维数

在这篇文章中,我们将讨论如何使用NumPy获得一个矩阵的维数。它可以通过ndarray()方法的ndim参数找到。

语法: no_of_dimensions = numpy.ndarray.ndim

步骤:

  • 使用NumPy软件包创建一个n维的矩阵。
  • 使用NumPy数组中的ndim属性,如numpy_array_name.ndim来获取维数。
  • 另外,我们可以使用shape属性来获得每个维度的大小,然后使用len()函数来获得维度的数量。
  • 使用numpy.array()函数将列表转换为NumPy数组,并使用上述两种方式之一来获取维数。

获取矩阵的一维数

使用np.arrange创建一个一维数组,并打印数组的尺寸。

import numpy as np
 
# create numpy arrays
# 1-d numpy array
_1darr = np.arange(4)     
print(_1darr)
 
# printing the 1-dimensions numpy array
print("Dimensions in _1darr are: ", _1darr.ndim)

输出:

[0 1 2 3]
Dimensions in _1darr are:  1v

获取矩阵的二维数

使用np.arrange创建一个二维数组并打印数组的尺寸。

import numpy as np
 
x = np.arange(12).reshape((3, 4))
print("Matrix: \n", x)
   
print("Dim: ", x.ndim)

输出:

Matrix: 
 [[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
Dim:  2

获取一个矩阵的三维空间数

使用np.arrange和np.reshape创建一个三维数组。之后,我们使用shape和len()来打印数组的尺寸。

import numpy as np
 
# 3-d numpy array
_3darr = np.arange(18).reshape((3, 2, 3)) 
 
# printing the dimensions of each numpy array
print("Dimensions in _3darr are: ", _3darr.ndim)
print(_3darr)
 
# numpy_arr.shape is the number of elements in
# each dimension numpy_arr.shape returns a tuple
# len() of the returned tuple is also gives number
# of dimensions
print("Dimensions in _3darr are: ", len(_3darr.shape))

输出:

Dimensions in _3darr are:  3
[[[ 0  1  2]
  [ 3  4  5]]

 [[ 6  7  8]
  [ 9 10 11]]

 [[12 13 14]
  [15 16 17]]]
Dimensions in _3darr are:  3

将一个列表转换为Numpy数组并获取矩阵的尺寸

创建一个一维和二维的列表,使用np.arrange我们将其转换为np.array并打印出数组的尺寸。

import numpy as np
 
# Use numpy.array() function to convert a list to
# numpy array
__1darr = np.array([5, 4, 1, 3, 2])
__2darr = np.array([[5, 4],[1,2], [4,5]])
print("Dimensions in __1darr are: ", __1darr.ndim)
print("Dimensions in __2darr are: ", __2darr.ndim)

输出:

Dimensions in __1darr are:  1
Dimensions in __2darr are:  2

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程