Python数据分析中shape()函数的核心用法与维度解析

Python数据分析基础知识：shape()函数详解

shape函数位于numpy.core.fromnumeric模块中，其主要功能是读取矩阵的长度信息。

1、shape()函数的输入参数类型

当输入参数为单个数值时，函数返回结果为空。

若输入参数为一维矩阵，函数将返回该一维数组的形状元组。

若输入参数为二维矩阵，函数将返回包含行数和列数的形状元组。

2、如何判断数组的维度

判断数组维度的直观方法是统计数组表达式中嵌套的中括号数量，中括号的层数即代表数组的维度。

shape（）中有3个数。
a = np.array([1,2])     #a.shape值(2,)，意思是一维数组，数组中有2个元素。
b = np.array([[1],[2]]) #b.shape值是(2,1)，意思是一个二维数组，每行有1个元素。
c = np.array([[1,2]])   #c.shape值是（1，2），意思是一个二维数组，每行有2个元素。

在实际操作中，可以通过shape[0]读取矩阵第一维度的长度，这对应于矩阵的行数；通过shape[1]读取矩阵第二维度的长度，这对应于矩阵的列数。

import numpy as np
x = np.array([[1,2,5],[2,3,5],[3,4,5],[2,3,6]])
#输出数组的行和列数
print x.shape  #结果： (4, 3)
#只输出行数
print x.shape[0] #结果： 4
#只输出列数
print x.shape[1] #结果： 3

3、shape()函数中“?”符号的含义解析

在进行程序Debug时，可能会遇到shape(?,2,3)这样的显示结果。这里的“?”代表数组中每一个元素的形状均为2行3列，而问号位置表示批处理的个数。如果批处理个数为1，则显示为1；若为2，则显示为2。在Debug阶段，由于具体批处理数量未知，系统会以“?”的形式进行占位显示。

总结

至此，关于Python数据分析中shape()函数使用的教程介绍完毕。如需了解更多相关Python shape()函数的应用内容，建议搜索本站历史文章或继续浏览后续相关文章，感谢大家的支持。