NumPy ndarray.shape 属性

NumPy ndarray.shape 属性用于获取 NumPy 数组的形状。它返回一个表示数组维度的元组，元组中的每个值代表数组沿该维度的大小。

shape 属性是检查数组结构的一种简单方法，通常用于在执行计算之前确保数据一致性。

NumPy 中 shape 属性的用法

shape 属性可以直接从 NumPy 数组对象访问以确定其维度。

它通常用于验证数组的结构，尤其是在执行需要特定形状的运算时，例如矩阵乘法或逐元素运算。

以下是一些示例，演示了如何在 NumPy 中将 shape 与不同的数组一起使用。

示例:shape 属性的基本用法

在此示例中，我们创建一个简单的一维数组，并使用 shape 属性获取数组的形状 -

import numpy as np

# 创建一维数组
arr = np.array([1, 2, 3, 4])
print(arr.shape)

以下是得到的输出 -

(4,)

示例:检查二维数组的形状

在此示例中，我们创建一个二维数组，并使用 shape 属性确定其形状 -

import numpy as np

# 创建二维数组
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr.shape)

这将产生以下结果 -

(2, 3)

示例:高维数组的形状

在此示例中，我们创建一个三维数组，并使用 shape 属性来查找其形状 -

import numpy as np

# 创建三维数组
arr = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print(arr.shape)

以下是以上代码 −

(2, 2, 2)

示例:空数组的形状

在以下示例中，我们检查一个空数组的形状。这表明，即使是空数组，即使它可能是一个空元组，也具有定义的形状 −

import numpy as np

# 创建空数组
arr = np.array([])
print(arr.shape)

得到的输出如下所示 −

(0,)

numpy_array_attributes.html