python数据分析基础知识之shape()函数的使用教程

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。