Primo:
Per convenzione, nel mondo Python, la scorciatoia per numpy
è np
, quindi:
In [1]: import numpy as np
In [2]: a = np.array([[1,2],[3,4]])
Secondo:
In Numpy, dimensione , asse / assi , forma sono concetti correlati e talvolta simili:
dimensione
In Matematica / Fisica , dimensione o dimensionalità sono definite in modo informale come il numero minimo di coordinate necessarie per specificare qualsiasi punto all'interno di uno spazio. Ma in Numpy , secondo il documento numpy , è lo stesso di assi / assi:
In Numpy le dimensioni sono chiamate assi. Il numero di assi è rango.
In [3]: a.ndim # num of dimensions/axes, *Mathematics definition of dimension*
Out[3]: 2
asse / assi
l' ennesima coordinata per indicizzare an array
in Numpy. E le matrici multidimensionali possono avere un indice per asse.
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)
forma
descrive quanti dati (o l'intervallo) lungo ciascun asse disponibile.
In [5]: a.shape
Out[5]: (2, 2) # both the first and second axis have 2 (columns/rows/pages/blocks/...) data
shape
, in NumPy. Ciò che NumPy chiama la dimensione è 2, nel tuo caso (ndim
). È utile conoscere la solita terminologia NumPy: questo semplifica la lettura dei documenti!