Метод Python shape() — все, что вам нужно знать!

Здравствуйте, читатели! В этой статье рассказывается о методе Python shape() и его вариантах в программировании с примерами.

Итак, начнем!!

Использование метода Python shape()

Когда дело доходит до анализа данных и их вариантов, крайне важно осознавать объем данных. То есть, прежде чем мы планируем анализировать данные и выполнять их синтез, нам необходимо знать об измерениях данных.

Именно тогда на сцену выходит метод Python shape().

Метод shape() обеспечивает гибкость для получения размеров любого объекта Python. Да, он возвращает значение кортежа, указывающее размеры объекта Python.

Чтобы понять вывод, кортеж, возвращаемый методом shape(), представляет собой фактическое количество элементов, представляющих значение измерения объекта.

Обычно в более широком масштабе метод shape() используется для получения размеров объектов типа Pandas и NumPy в python.

Каждое значение, представленное кортежем, соответствует фактическому измерению с точки зрения массива или строки/столбца.

Давайте теперь посмотрим на вариант того же самого в следующем разделе.

Вариант 1: атрибут формы Pandas

Когда мы пытаемся связать объект типа Pandas с методом формы, ищущим измерения, он возвращает кортеж, который представляет строки и столбцы как значение измерений.

Синтаксис:

dataframe.shape

Обычно мы связываем форму как атрибут с фреймом данных Pandas, чтобы получить его размеры.

Пример 01:

В этом примере мы создали фрейм данных из списка Python, используя метод DataFrame(). После этого мы применяем dataframe.shape для проверки размеров.

Поскольку данные, которые мы передали, имеют две строки и два столбца (2x2), метод shape возвращает нам количество строк и столбцов в качестве результата.

import pandas as pd 
 
data =[['P','Q'], [0, 1]]
 
data_frame = pd.DataFrame(data)
 
print(data_frame)
print("Shape of the data frame:")
print(data_frame.shape)

Выход:

 0  1
0  P  Q
1  0  1
Shape of the data frame:
(2, 2)

Пример 02:

В этом примере мы создали пустой фрейм данных, используя функцию DataFrame(). Затем с помощью метода shape() мы можем получить размеры пустого фрейма данных.

import pandas as pd 
 
data_frame = pd.DataFrame()
 
print(data_frame)
print("Shape of the data frame:")
print(data_frame.shape)

Выход:

Empty DataFrame
Columns: []
Index: []
Shape of the data frame:
(0, 0)

Вариант 2: метод формы NumPy

Со структурой данных NumPy мы храним элементы данных в виде массива. Когда мы связываем метод shape() с массивом NumPy, размеры массива представляются в виде кортежа.

Синтаксис:

array.shape

Пример 01:

Здесь мы создали массив NumPy без размеров. Кроме того, мы применили метод shape() к массиву, чтобы получить размеры созданного массива.

import numpy as np

ar = np.array(0)

print(ar)
print("Shape of the array:")
print(ar.shape)

Выход:

0
Shape of the array:
()

Пример 02:

В этом примере мы создали массив NumPy и добавили в него элементы. Это достигается с помощью функции numpy.array(). Теперь мы применяем метод shape() к массиву элементов.

import numpy as np

ar = np.array([[12,20] ,[13,15]])

print(ar)
print("Shape of the array:")
print(ar.shape)

Выход:

[[12 20]
 [13 15]]
Shape of the array:
(2, 2)

Заключение

На этом мы подошли к концу этой темы. Не стесняйтесь комментировать ниже, если у вас возникнут какие-либо вопросы.

Чтобы узнать больше о таких сообщениях, связанных с Kubernetes, оставайтесь с нами.

А пока удачного обучения! :)