Python中shape函数的用法

介绍

Python中shape函数是一种非常常用的数学函数，可以用来获取数组或者矩阵的形状。矩阵的形状是指该矩阵的行列数，而数组的形状则是指该数组的维度（即多少个元素，每个元素有多少个数据）。

shape函数可以在很多场合使用，包括机器学习、数据分析、信号处理等各种领域。因此，在Python编程中，熟练掌握shape函数的用法是非常重要的。

在Python中，可以使用numpy库来创建数组，并且使用shape函数获取数组的形状。代码如下：

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]])
print(a.shape)

输出结果为(2, 3)，表示这个数组有两个元素，第一个元素有3个数据，第二个元素有3个数据。

如果要获取数组的维度，可以使用ndim属性。代码如下：

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]])
print(a.ndim)

输出结果为2，表示这是一个二维的数组。

和获取数组形状类似，我们可以使用numpy库来创建矩阵，并且使用shape函数获取矩阵的行列数。代码如下：

import numpy as np

a = np.matrix([[1, 2, 3], [4, 5, 6]])
print(a.shape)

输出结果为(2, 3)，同样表示这个矩阵有两行三列。

除了获取数组的形状之外，我们还可以使用reshape函数改变一个数组的形状。reshape函数接收一个参数，即新数组的形状。代码如下：

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]])
b = a.reshape((3, 2))
print(b)

输出结果为：

array([[1, 2],
       [3, 4],
       [5, 6]])

这个代码将原来的2行3列的数组，改变成了3行2列的数组。

同样的，我们也可以使用reshape函数来改变矩阵的形状。代码如下：

import numpy as np

a = np.matrix([[1, 2, 3], [4, 5, 6]])
b = a.reshape((3, 2))
print(b)

输出的结果如下：

matrix([[1, 2],
        [3, 4],
        [5, 6]])

同样是将原来的2行3列的矩阵，改变成了3行2列的矩阵。

在Python编程中，shape函数是一种非常有用的函数，可以用来获取数组或者矩阵的形状。同时，通过reshape函数，我们还可以改变数组或者矩阵的形状，进而达到我们需要的数据结构。

掌握shape函数和reshape函数的用法，可以让我们更加方便地处理数据，为后续的数据处理和机器学习工作奠定基础。