Dimensiones de matriz Numpy

import numpy as np   
>>> np.shape(a)
(2,2)

También funciona si la entrada no es una matriz numpy sino una lista de listas

>>> a = [[1,2],[1,2]]
>>> np.shape(a)
(2,2)

O una tupla de tuplas

>>> a = ((1,2),(1,2))
>>> np.shape(a)
(2,2)

Primero:

Por convención, en Python world, el atajo para numpy es np, así que:

In [1]: import numpy as np

In [2]: a = np.array([[1,2],[3,4]])

Segundo：

En Numpy, dimensión, eje / ejes, forma son conceptos relacionados y a veces similares:

Dimensión

En Matemáticas/Física, dimensión o dimensionalidad se define informalmente como el número mínimo de coordenadas necesarias para especificar cualquier punto dentro de un espacio. Pero en Numpy , de acuerdo con la numpy doc , es lo mismo que axis / axes:

En Numpy las dimensiones se llaman ejes. El número de ejes es rango.

In [3]: a.ndim  # num of dimensions/axes, *Mathematics definition of dimension*
Out[3]: 2

Eje / ejes

La enésima coordenada para indexar un array en Numpy. Y los arrays multidimensionales pueden tener un índice por eje.

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

Describe cuántos datos (o el rango) a lo largo de cada eje disponible.

In [5]: a.shape
Out[5]: (2, 2)  # both the first and second axis have 2 (columns/rows/pages/blocks/...) data

Puede usar .forma

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

El método shape requiere que a sea un ndarray Numpy. Pero Numpy también puede calcular la forma de iterables de objetos python puros:

np.shape([[1,2],[1,2]])

Puede usar .ndim para la dimensión y .shape para conocer la dimensión exacta

var = np.array([[1,2,3,4,5,6], [1,2,3,4,5,6]])

var.ndim
# displays 2

var.shape
# display 6, 2

Puede cambiar la dimensión usando la función .reshape

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