python 에서 ndim 과 shape 속성 을 사용 하여 ndarray 데이터 의 차원,길이,모양 등 매개 변 수 를 가 져 옵 니 다.

우 리 는 다 차원 배열 을 묘사 할 때 두 개의 매개 변 수 를 자주 사용 합 니 다.차원(dimension)과 모양(shape),2 차원 배열 을 예 로 들 면 우 리 는 행렬 로 이 두 개의 매개 변 수 를 형상 적 으로 연상 할 수 있 습 니 다.행렬 에 있어 서 우리 가 가장 흔히 볼 수 있 는 행렬 은 2 차원 이기 때문에 그의 dim 매개 변 수 는 2 이 고 모양 에 대해 서 는...이 행렬(사각형)의 높이 와 너비,예 를 들 어 4 줄 3 열의 행렬 을 상상 할 수 있다.그의 높이 는 4 이 고 너 비 는 3 이다.그래서 그의 shape 매개 변 수 는(4,3)입 니 다.이것 은 한 쌍 의 숫자 이기 때문에 python 에서 원조(tuple)데이터 구 조 를 사용 하여 이 속성 을 표시 합 니 다.우 리 는 다음 코드 를 사용 하여 시범 을 보일 수 있다.

import numpy as np
data = np.array([
		[1,2,3],
		[4,5,6],
		[7,8,9],
		[0,0,0]
	])

print(data)
print(data.ndim)
print(data.shape)

실행 한 후에 우 리 는 다음 과 같은 결 과 를 얻 을 수 있다.

[[1 2 3]
 [4 5 6]
 [7 8 9]
 [0 0 0]]
2
(4, 3)
[Finished in 1.2s]

2 차원 이상 의 다 차원 배열 에 대해 우 리 는 배열 의 배열 이 라 고 볼 수 있다.그러나 일반적으로 우 리 는 2 차원 배열 을 사용 하면 충분 하 다.3 차원 배열 은 장 량(Tensor)이 라 고 불 리 며 기계 학습 에서 매우 좋 은 응용 이 있다.
3 차원 배열 에 대해 우 리 는 다음 코드 를 사용 하여 시범 을 보일 수 있다.

import numpy as np
data_1dim = np.array([1,2,3,4])
data_2dim = np.array([data_1dim,data_1dim,data_1dim])
data_3dim = np.array([data_2dim,data_2dim])

print(data_3dim)
print(data_3dim.ndim)
print(data_3dim.shape)

우 리 는 3 차원 배열 의 형 태 를 다음 과 같이 인쇄 했다.

[[[1 2 3 4]
  [1 2 3 4]
  [1 2 3 4]]

 [[1 2 3 4]
  [1 2 3 4]
  [1 2 3 4]]]
3
(2, 3, 4)
[Finished in 1.6s]

이 를 통 해 알 수 있 듯 이 그 는 배열 의 배열 이다.우 리 는 다 차원 배열 을 분석 할 때 구 조 를 잘 정리 해 야 한다.이것 은 짝 을 이 룬 괄호 에 따라 판단 하고 등급 을 찾 아야 한다.예 를 들 어 여기 서 첫 번 째 괄호 는 할아버지 등급 에 비해 다른 것 은 할아버지 와 같은 것 이 바로 첫 번 째 요소 이 고 그 다음 에 괄호 안에 괄호 가 있다.그것 이 바로 아버지 등급 이다.괄호 안에 있 는 괄호 안에 있 는 괄호 는 바로 아들 급 이다.배열 의 shape 는 모두 몇 명의 할아버지 가 있 는 것 과 같다.한 할 아버 지 는 몇 명의 아버 지 를 낳 았 고 한 아빠 는 몇 명의 아들 을 낳 았 다.그러면 다 차원 배열 의 구 조 를 형상 적 으로 이해 할 수 있다.그러나 우리 가 사용 할 때 2 차원 배열 을 사용 하면 충분 하 다.3 차원 이상 의 이 해 는 유지 하기 가 너무 번 거 로 워 소프트웨어 공학 의 개발 에 불리 하 다.