La forme d'un tableau peut être définie comme le nombre d'éléments dans chaque dimension. La dimension est le nombre d'indices ou d'indices dont nous avons besoin pour spécifier un élément individuel d'un tableau.
Comment pouvons-nous obtenir la forme d’un tableau ?
Dans NumPy, nous utiliserons un attribut appelé shape qui renvoie un tuple , les éléments du tuple donnent les longueurs des dimensions du tableau correspondantes.
Syntaxe: numpy.shape (nom_tableau)
Paramètres: Le tableau est passé en paramètre.
Retour: Un tuple dont les éléments donnent les longueurs des dimensions du tableau correspondantes.
Manipulation de forme dans NumPy
Vous trouverez ci-dessous quelques exemples permettant de comprendre la manipulation de forme dans NumPy dans Python :
Exemple 1: Forme des tableaux
Impression de la forme du tableau multidimensionnel. Dans cet exemple, deux tableaux NumPyarr1>etarr2>sont créés, représentant respectivement un tableau 2D et un tableau 3D. La forme de chaque réseau est imprimée, révélant leurs dimensions et tailles le long de chaque dimension.
Python3
liste java en tableau
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>]]])> print>(arr1.shape)> print>(arr2.shape)> |
>
>
Sortir:
index de chaîne java de
(2, 4) (2, 2,2)>
Exemple 2 : Forme du tableau utilisant ndim
Dans cet exemple, nous créons un tableau en utilisant ndmin en utilisant un vecteur avec les valeurs 2,4,6,8,10 et en vérifiant la valeur de la dernière dimension.
python3
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)> |
>
>
Sortir:
[[[[[[ 2 4 6 8 10]]]]]] shape of an array : (1, 1, 1, 1, 1, 5)>
Exemple 3 : Forme d'un tableau de tuples
Dans cet exemple, nous allons créer un Tableau NumPy où chaque élément est un tuple. Nous montrerons également comment déterminer la forme d’un tel réseau.
Python3
écart type numpy
import> numpy as np> # Create an array of tuples> array_of_tuples>=> np.array([(>1>,>2>), (>3>,>4>), (>5>,>6>), (>7>,>8>)])> # Display the array> print>(>'Array of Tuples:'>)> print>(array_of_tuples)> # Determine and display the shape> shape>=> array_of_tuples.shape> print>(>'
Shape of Array:'>, shape)> |
>
>
Sortir:
Array of Tuples: [[1 2] [3 4] [5 6] [7 8]] Shape of Array: (4, 2)>