NumPy shape()

import numpy as np

array = np.array([[0, 1], [2, 3]])

# return shape of the array 
shapeOfArray = np.shape(array)

print(shapeOfArray)

# Output : (2, 2)

shape() 语法

shape() 的语法是

numpy.shape(array)

shape() 参数

shape() 方法接受一个参数

• array - 要确定其形状的数组

shape() 返回值

shape() 方法以元组的形式返回数组的形状。

示例 1：数组的形状

import numpy as np

# create 1D and 2D arrays
array1 = np.array([0, 1, 2, 3])
array2 = np.array([[8, 9]])

# shape of array1
shape1 = np.shape(array1)

print('Shape of the first array : ', shape1)

# shape of array2
shape2 = np.shape(array2)

print('Shape of the second array : ', shape2)

输出

Shape of the first array :  (4,)
Shape of the second array :  (1, 2)

示例 2：元组数组的形状

import numpy as np

# array of tuples
array1 = np.array([(0, 1), ( 2, 3)])

dataType = [('x', int), ('y', int)]

# dtype sets each tuple as an individual array element
array2 = np.array([(0, 1), ( 2, 3)], dtype = dataType)

# shape of array1
shape1 = np.shape(array1)

print('Shape of first array : ', shape1)

# shape of array2
shape2 = np.shape(array2)

print('Shape of second array : ', shape2)

输出

Shape of first array :  (2, 2)
Shape of second array :  (2, )

这里，array1 和 array2 是具有元组作为其元素的 **2** 维数组。 array1 的形状是 (2, 2)。

然而，array2 的形状是 (2, )，这是一维的。

这是因为我们传递了 dtype 参数，它限制了 array2 的结构。

array2 包含两个元素，每个元素都是一个具有两个整数值的元组，但每个元素被视为一个具有两个字段 x 和 y 的单一实体。

因此，array2 是一维的，有两行一列。