首先,需要明确一下shape()函数的作用,它可以用来查看数组或矩阵的形状,即行数和列数。
使用方法如下:
numpy_array.shape
其中,numpy_array表示numpy数组或矩阵。
示例1:
我们现在有一个numpy数组:
import numpy as np
numpy_array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
我们可以使用shape()函数查看这个数组的形状:
print(numpy_array.shape)
输出结果为:
(4, 3)
说明这个数组有4行3列。
示例2:
我们现在有一个numpy矩阵:
numpy_matrix = np.matrix([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
我们同样可以使用shape()函数查看这个矩阵的形状:
print(numpy_matrix.shape)
输出结果为:
(4, 3)
说明这个矩阵有4行3列,与示例1的数组形状相同。
总结:
shape()函数是一个非常实用的函数,能够快速查看numpy数组或矩阵的形状,方便我们进行数据分析和处理。需要注意的是,shape()函数返回的是一个元组,第一个元素表示行数,第二个元素表示列数,因此需要注意解读输出结果。
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:python数据分析基础知识之shape()函数的使用教程 - Python技术站