উত্তর:
shape
হিসাবে আরও সঠিকভাবে বর্ণনা করা যেতে পারে , কারণ এটি ফাংশন-কল সিনট্যাক্স ব্যবহার করে না using
property
নিজেই একটি শ্রেণি, ndarray.shape
কোনও শ্রেণি নয়, এটি সম্পত্তি ধরণের উদাহরণ।
পাইথন বিশ্বে কনভেনশন দ্বারা, এর শর্টকাট numpy
হয় np
, তাই:
In [1]: import numpy as np
In [2]: a = np.array([[1,2],[3,4]])
নম্পি, মাত্রা , অক্ষ / অক্ষ , আকৃতি সম্পর্কিত এবং কখনও কখনও একই ধারণা:
ইন গণিত / পদার্থবিজ্ঞান , মাত্রা বা মাত্রা অনাড়ম্বরভাবে একটি স্থান যে অবস্থায় উল্লেখ করা প্রয়োজন স্থানাঙ্ক ন্যূনতম নম্বর হিসাবে সংজ্ঞায়িত করা হয়। তবে নম্পি - তে , অলস ডক অনুসারে , এটি অক্ষ / অক্ষ হিসাবে সমান:
নম্পি মাত্রায় অক্ষকে বলা হয়। অক্ষের সংখ্যা র্যাঙ্ক is
In [3]: a.ndim # num of dimensions/axes, *Mathematics definition of dimension*
Out[3]: 2
নিম্পিতে সূচকে আনতে নবম স্থানাঙ্ক array
। এবং বহুমাত্রিক অ্যারে অক্ষ প্রতি প্রতি সূচক থাকতে পারে।
In [4]: a[1,0] # to index `a`, we specific 1 at the first axis and 0 at the second axis.
Out[4]: 3 # which results in 3 (locate at the row 1 and column 0, 0-based index)
প্রতিটি উপলব্ধ অক্ষ বরাবর কতগুলি ডেটা (বা ব্যাপ্তি) বর্ণনা করে।
In [5]: a.shape
Out[5]: (2, 2) # both the first and second axis have 2 (columns/rows/pages/blocks/...) data
import numpy as np
>>> np.shape(a)
(2,2)
এছাড়াও কাজ করে যদি ইনপুটটি কোনও নম্র অ্যারে না হয় তবে তালিকার একটি তালিকা
>>> a = [[1,2],[1,2]]
>>> np.shape(a)
(2,2)
বা tuples একটি tuple
>>> a = ((1,2),(1,2))
>>> np.shape(a)
(2,2)
np.shape
প্রথমে তার যুক্তিটিকে একটি অ্যারেতে পরিণত করে যদি এতে আকৃতির বৈশিষ্ট্য না থাকে, এজন্য এটি তালিকায় এবং টিউপল উদাহরণগুলিতে কাজ করে।
আপনি। শেপ ব্যবহার করতে পারেন
In: a = np.array([[1,2,3],[4,5,6]])
In: a.shape
Out: (2, 3)
In: a.shape[0] # x axis
Out: 2
In: a.shape[1] # y axis
Out: 3
আপনি .ndim
মাত্রা জন্য এবং .shape
সঠিক মাত্রা জানতে ব্যবহার করতে পারেন
var = np.array([[1,2,3,4,5,6], [1,2,3,4,5,6]])
var.ndim
# displays 2
var.shape
# display 6, 2
আপনি .reshape
ফাংশন ব্যবহার করে মাত্রা পরিবর্তন করতে পারেন
var = np.array([[1,2,3,4,5,6], [1,2,3,4,5,6]]).reshape(3,4)
var.ndim
#display 2
var.shape
#display 3, 4
a.shape
এর সীমাবদ্ধ সংস্করণ মাত্র np.info()
। এটা দেখ:
import numpy as np
a = np.array([[1,2],[1,2]])
np.info(a)
আউট
class: ndarray
shape: (2, 2)
strides: (8, 4)
itemsize: 4
aligned: True
contiguous: True
fortran: False
data pointer: 0x27509cf0560
byteorder: little
byteswap: False
type: int32
shape
নুমপি-তে বলা হয় । আপনার ক্ষেত্রে (ndim
) ক্ষেত্রে NumPy মাত্রাটি 2 টি বলে । এটি স্বাভাবিক নম্পপি পরিভাষাটি জানার জন্য দরকারী: এটি দস্তাবেজগুলি পড়া সহজ করে তোলে!