thuộc tính
matrix.size#size#Số lượng các yếu tố trong mảng.
Bằng np.prod[a.shape]
, tức là, sản phẩm của kích thước mảng.
Ghi chú
A.Size trả về một số nguyên Python chính xác tùy ý tiêu chuẩn. Đây có thể không phải là trường hợp với các phương pháp khác để có được cùng một giá trị [như np.prod[a.shape]
được đề xuất, trả về một thể hiện là np.int_
] và có thể có liên quan nếu giá trị được sử dụng thêm trong các tính toán có thể tràn một loại nguyên kích thước cố định.
Ví dụ
>>> x = np.zeros[[3, 5, 2], dtype=np.complex128] >>> x.size 30 >>> np.prod[x.shape] 30
Xem thảo luận
Cải thiện bài viết
Lưu bài viết
Xem thảo luận
Cải thiện bài viết
Lưu bài viết
Đọcndim parameter of the ndarray[] method.
Bàn luận no_of_dimensions = numpy.ndarray.ndim
Approach:
- Trong bài viết này, chúng tôi sẽ thảo luận về cách lấy số lượng kích thước của ma trận bằng cách sử dụng Numpy. Nó có thể được tìm thấy bằng cách sử dụng tham số NDIM của phương thức ndarray [].
- Cú pháp: no_of_dimensions = numpy.ndarray.ndim
- Tạo một ma trận N chiều bằng cách sử dụng gói Numpy.
- Sử dụng thuộc tính NDIM có sẵn với mảng Numpy là numpy_array_name.ndim để có được số lượng kích thước.
Ngoài ra, chúng ta có thể sử dụng thuộc tính hình dạng để có được kích thước của từng chiều và sau đó sử dụng hàm Len [] cho số lượng kích thước.
Sử dụng hàm numpy.array [] để chuyển đổi danh sách thành mảng numpy và sử dụng một trong hai cách trên để có được số lượng kích thước.
Python3
import
numpy as np
Nhận số lượng 1 chiều của ma trận
[0 1 2 3] Dimensions in _1darr are: 1v5
[0 1 2 3] Dimensions in _1darr are: 1v6
[0 1 2 3] Dimensions in _1darr are: 1v5
[0 1 2 3] Dimensions in _1darr are: 1v8
[0 1 2 3] Dimensions in _1darr are: 1v9
Matrix: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] Dim: 20
Output:
[0 1 2 3] Dimensions in _1darr are: 1v
Tạo một mảng 1D bằng NP.Arrange và in kích thước của một mảng.
[0 1 2 3] Dimensions in _1darr are: 1v0____11
[0 1 2 3] Dimensions in _1darr are: 1v2
[0 1 2 3] Dimensions in _1darr are: 1v3
[0 1 2 3] Dimensions in _1darr are: 1v4
Python3
import
numpy as np
Nhận số lượng 2 chiều của ma trận
[0 1 2 3] Dimensions in _1darr are: 1v5
[0 1 2 3] Dimensions in _1darr are: 1v8
Dimensions in _3darr are: 3 [[[ 0 1 2] [ 3 4 5]] [[ 6 7 8] [ 9 10 11]] [[12 13 14] [15 16 17]]] Dimensions in _3darr are: 34
Dimensions in _3darr are: 3 [[[ 0 1 2] [ 3 4 5]] [[ 6 7 8] [ 9 10 11]] [[12 13 14] [15 16 17]]] Dimensions in _3darr are: 35
[0 1 2 3] Dimensions in _1darr are: 1v5
[0 1 2 3] Dimensions in _1darr are: 1v8
Dimensions in _3darr are: 3 [[[ 0 1 2] [ 3 4 5]] [[ 6 7 8] [ 9 10 11]] [[12 13 14] [15 16 17]]] Dimensions in _3darr are: 38
Dimensions in _3darr are: 3 [[[ 0 1 2] [ 3 4 5]] [[ 6 7 8] [ 9 10 11]] [[12 13 14] [15 16 17]]] Dimensions in _3darr are: 39
Output:
Matrix: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] Dim: 2
Tạo một mảng 2D bằng NP.Arrange và in kích thước của một mảng.
Matrix: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] Dim: 23
[0 1 2 3] Dimensions in _1darr are: 1v1
[0 1 2 3] Dimensions in _1darr are: 1v2
Matrix: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] Dim: 26
Matrix: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] Dim: 27
Matrix: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] Dim: 28
Matrix: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] Dim: 29
[0 1 2 3] Dimensions in _1darr are: 1v3__
Python3
import
numpy as np
Nhận số lượng 3 chiều của ma trận
[0 1 2 3] Dimensions in _1darr are: 1v5
[0 1 2 3] Dimensions in _1darr are: 1v8
np.prod[a.shape]
5np.prod[a.shape]
6[0 1 2 3] Dimensions in _1darr are: 1v5
np.prod[a.shape]
8[0 1 2 3] Dimensions in _1darr are: 1v5
[0 1 2 3] Dimensions in _1darr are: 1v8
np.prod[a.shape]
5Matrix: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] Dim: 29
np.prod[a.shape]
3np.prod[a.shape]
4Output:
Dimensions in _3darr are: 3 [[[ 0 1 2] [ 3 4 5]] [[ 6 7 8] [ 9 10 11]] [[12 13 14] [15 16 17]]] Dimensions in _3darr are: 3
Tạo một mảng 3D bằng NP.Arrange và NP.Reshape. Sau đó, chúng tôi đang in kích thước của một mảng sử dụng hình dạng và len [].
Tạo danh sách 1D và 2D, sử dụng NP.Arrange, chúng tôi đang chuyển đổi nó thành NP.Array và in kích thước của một mảng.
Python3
import
numpy as np
np.prod[a.shape]
7
[0 1 2 3] Dimensions in _1darr are: 1v1
np.prod[a.shape]
9np.int_
0Matrix: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] Dim: 29
[0 1 2 3] Dimensions in _1darr are: 1v3__
import
0
[0 1 2 3] Dimensions in _1darr are: 1v1
import
2np.int_
0Matrix: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] Dim: 29
[0 1 2 3] Dimensions in _1darr are: 1v3
import
6np.int_
4import
8Dimensions in __1darr are: 1 Dimensions in __2darr are: 29
numpy as np
0__[0 1 2 3] Dimensions in _1darr are: 1v5
[0 1 2 3] Dimensions in _1darr are: 1v8
numpy as np
7numpy as np
8[0 1 2 3] Dimensions in _1darr are: 1v5
[0 1 2 3] Dimensions in _1darr are: 1v8
[0 1 2 3] Dimensions in _1darr are: 1v01
[0 1 2 3] Dimensions in _1darr are: 1v02
Output:
Dimensions in __1darr are: 1 Dimensions in __2darr are: 2