فهرست سرفصل‌های NumPy
خانه (HOME) مقدمه (Intro) شروع کار (Getting Started) ساخت آرایه ها (Creating Arrays) ایندکس گذاری آرایه (Array Indexing) برش آرایه (Array Slicing) انواع داده (Data Types) کپی در برابر View (Copy vs View) شکل آرایه (Array Shape) تغییر شکل آرایه (Array Reshape) حلقه روی آرایه (Array Iterating) ترکیب آرایه ها (Array Join) تقسیم آرایه ها (Array Split) جستجو در آرایه (Array Search) مرتب سازی آرایه (Array Sort) فیلتر کردن آرایه (Array Filter) مقدمه تصادفی سازی (Random Intro) توزیع داده (Data Distribution) جابه جایی تصادفی (Random Permutation) ماژول Seaborn (Seaborn Module) توزیع نرمال (Normal Distribution) توزیع دوجمله ای (Binomial Distribution) توزیع پواسون (Poisson Distribution) توزیع یکنواخت (Uniform Distribution) توزیع لجستیک (Logistic Distribution) توزیع چندجمله ای (Multinomial Distribution) توزیع نمایی (Exponential Distribution) توزیع کای دو (Chi Square Distribution) توزیع ریلی (Rayleigh Distribution) توزیع پارتو (Pareto Distribution) توزیع زیف (Zipf Distribution) مقدمه ufunc (ufunc Intro) ساخت تابع ufunc (ufunc Create Function) حساب ساده با ufunc (ufunc Simple Arithmetic) گرد کردن اعشار با ufunc (ufunc Rounding Decimals) لگاریتم ها با ufunc (ufunc Logs) جمع ها با ufunc (ufunc Summations) حاصل ضرب ها با ufunc (ufunc Products) تفاضل ها با ufunc (ufunc Differences) کمترین مضرب مشترک با ufunc (ufunc Finding LCM) بزرگترین مقسوم علیه مشترک با ufunc (ufunc Finding GCD) توابع مثلثاتی با ufunc (ufunc Trigonometric) توابع هذلولوی با ufunc (ufunc Hyperbolic) عملیات مجموعه ای با ufunc (ufunc Set Operations) ویرایشگر (Editor) آزمون (Quiz) تمارین (Exercises) سرفصل دوره (Syllabus) برنامه مطالعه (Study Plan) گواهینامه (Certificate)
نتیجه‌ای برای جستجو یافت نشد.
NumPy

NumPy — شکل آرایه (Array Shape)

آخرین بروزرسانی: 1404/08/25

شکل آرایه (Array Shape)

در نامپای، عبارت شکل آرایه در نامپای یعنی بدانیم هر بعد چند عنصر دارد. مثل این است که بگویی کلاس چند ردیف و هر ردیف چند صندلی دارد.

شکل آرایه در نامپای یعنی چه؟

در نامپای، شکل آرایه (Array Shape) یک عدد برای هر بعد است. این اعداد می گویند در هر بعد چند عنصر داریم.

مثلا در آرایه دو بعدی، شکل شبیه جدول مدرسه است. عدد اول تعداد ردیف ها را می گوید، عدد دوم تعداد ستون ها را.

گرفتن شکل آرایه با ویژگی shape

هر آرایه نامپای ویژگی shape دارد. این ویژگی یک تاپل (Tuple) است؛ یعنی چند عدد پشت سر هم داخل پرانتز.

در مثال زیر، شکل یک آرایه دو بعدی را چاپ می کنیم.

import numpy as np

arr = np.array([[1, 2, 3, 4],
                [5, 6, 7, 8]])

print(arr.shape)

مشاهده در ادیتور

خروجی (2, 4) است. یعنی آرایه دو بعدی است؛ بعد اول دو ردیف دارد، بعد دوم چهار ستون.

شکل آرایه های چندبعدی و ndmin

گاهی می خواهی آرایه از اول چندبعدی ساخته شود. برای این کار می توانی از پارامتر ndmin استفاده کنی.

در مثال زیر، یک آرایه با پنج بعد می سازیم و هم خود آرایه و هم شکل آن را چاپ می کنیم.

import numpy as np

arr = np.array([1, 2, 3, 4], ndmin=5)

print(arr)
print("shape of array :", arr.shape)

مشاهده در ادیتور

در خروجی، شکل آرایه چیزی شبیه (1, 1, 1, 1, 4) است. یعنی چهار بعد اول فقط یک عنصر دارند و بعد آخر چهار عنصر دارد.

تاپل شکل دقیقا چه می گوید؟

در تاپل شکل، هر عدد مربوط به یک بعد است. این عدد می گوید در آن بعد چند عنصر وجود دارد.

مثلا اگر شکل برابر (3, 5) باشد، یعنی سه ردیف و پنج ستون داریم. اگر شکل (1, 1, 1, 1, 4) باشد، یعنی چهار بعد کم عرض و یک بعد با چهار عنصر.

نکته: اندیس ها از صفر شروع می شوند؛ اما در توضیح بعدها معمولا می گوییم «بعد اول، دوم، سوم».

گام های عملی برای فهم شکل آرایه

برای تمرین شکل آرایه در نامپای می توانی این سه گام را انجام دهی:

  1. یک آرایه یک بعدی بساز و shape آن را چاپ کن.
  2. آرایه دو بعدی شبیه جدول نمره ها بساز و شکل را ببین.
  3. با ndmin آرایه چندبعدی بساز و شکلش را بررسی کن.

برای ساختن آرایه های اولیه، صفحه ساخت آرایه ها در نامپای کمک خوبی است.

همچنین در صفحه تغییر شکل آرایه در نامپای می بینی چطور شکل آرایه را بعدا عوض کنی.

اگر درباره حافظه و کپی کنجکاو شدی، صفحه کپی و View در نامپای را هم ببین.

در نهایت، برای مرور سریع می توانی همیشه به بخش شکل آرایه در نامپای برگردی.

جمع بندی سریع

  • شکل آرایه در نامپای تعداد عناصر هر بعد را نشان می دهد.
  • ویژگی shape همیشه یک تاپل از اعداد برمی گرداند.
  • در آرایه دو بعدی، شکل شبیه ردیف و ستون جدول است.
  • با ndmin می توانی از اول آرایه چندبعدی بسازی.
  • فهم shape برای تغییر شکل و کار با داده ها ضروری است.