介绍
Python中shape函数是一种非常常用的数学函数,可以用来获取数组或者矩阵的形状。矩阵的形状是指该矩阵的行列数,而数组的形状则是指该数组的维度(即多少个元素,每个元素有多少个数据)。
shape函数可以在很多场合使用,包括机器学习、数据分析、信号处理等各种领域。因此,在Python编程中,熟练掌握shape函数的用法是非常重要的。
正文
一、获取数组形状
在Python中,可以使用numpy库来创建数组,并且使用shape函数获取数组的形状。代码如下:
import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
print(a.shape)
输出结果为(2, 3),表示这个数组有两个元素,第一个元素有3个数据,第二个元素有3个数据。
如果要获取数组的维度,可以使用ndim属性。代码如下:
import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
print(a.ndim)
输出结果为2,表示这是一个二维的数组。
二、获取矩阵形状
和获取数组形状类似,我们可以使用numpy库来创建矩阵,并且使用shape函数获取矩阵的行列数。代码如下:
import numpy as np
a = np.matrix([[1, 2, 3], [4, 5, 6]])
print(a.shape)
输出结果为(2, 3),同样表示这个矩阵有两行三列。
三、改变数组形状
除了获取数组的形状之外,我们还可以使用reshape函数改变一个数组的形状。reshape函数接收一个参数,即新数组的形状。代码如下:
import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
b = a.reshape((3, 2))
print(b)
输出结果为:
array([[1, 2],
[3, 4],
[5, 6]])
这个代码将原来的2行3列的数组,改变成了3行2列的数组。
四、改变矩阵形状
同样的,我们也可以使用reshape函数来改变矩阵的形状。代码如下:
import numpy as np
a = np.matrix([[1, 2, 3], [4, 5, 6]])
b = a.reshape((3, 2))
print(b)
输出的结果如下:
matrix([[1, 2],
[3, 4],
[5, 6]])
同样是将原来的2行3列的矩阵,改变成了3行2列的矩阵。
五、总结
在Python编程中,shape函数是一种非常有用的函数,可以用来获取数组或者矩阵的形状。同时,通过reshape函数,我们还可以改变数组或者矩阵的形状,进而达到我们需要的数据结构。
掌握shape函数和reshape函数的用法,可以让我们更加方便地处理数据,为后续的数据处理和机器学习工作奠定基础。