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