(3,)
>>> a.size
3
Этот массив имеет ранг 2:
>>> b = np.zeros((2, 4))
>>> b
array([[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.]])
>>> b.ndim
2
>>> b.shape
(2, 4)
>>> b.size
8
Другой особой функцией, заполняющей массив одинаковыми значениями,
является ones():
>>> import numpy as np
>>> k = np.ones((3, 5))
>>> k
array([[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.],
[ 1., 1., 1., 1., 1.]])
Последняя функция создает массив и заполняет его случайными значениями
из промежутка от 0,0 до 1,0:
>>> m = np.random.random((3, 5))
>>> m
NumPy
417
array([[ 1.92415699e-01, 4.43131404e-01, 7.99226773e-01,
1.14301942e-01, 2.85383430e-04],
[ 6.53705749e-01, 7.48034559e-01, 4.49463241e-01,
4.87906915e-01, 9.34341118e-01],
[ 9.47575562e-01, 2.21152583e-01, 2.49031209e-01,
3.46190961e-01, 8.94842676e-01]])
Изменяем форму массива
с помощью метода reshape()
До этого момента массив не особо отличался от списка или кортежа. Одним из
различий между ними является возможность изменять его форму с помощью
функции reshape():
>>> a = np.arange(10)
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> a = a.reshape(2, 5)
>>> a
array([[0, 1, 2, 3, 4],
[5, 6, 7, 8, 9]])
>>> a.ndim
2
>>> a.shape