Python shape() Methode - Alles, was Sie wissen müssen!

Hallo, Leser! Dieser Artikel handelt von der Python shape() Methode und ihren Varianten in der Programmierung mit Beispielen.

Also, lassen Sie uns anfangen!!

Verwendung der shape()-Methode in Python

Wenn es um die Analyse von Daten und ihren Varianten geht, ist es äußerst wichtig, das Volumen der Daten zu erkennen. Das heißt, bevor wir planen, die Daten zu analysieren und eine Synthese durchzuführen, müssen wir uns der Dimensionen der Daten bewusst sein.

Hier kommt die Python-Methode shape() ins Spiel.

Mit der shape()-Methode erhält man die Flexibilität, die Dimensionen jedes Python-Objekts abzurufen. Ja, sie gibt einen Tupelwert zurück, der die Dimensionen eines Python-Objekts angibt.

Um die Ausgabe zu verstehen, ist das Tupel, das von der shape()-Methode zurückgegeben wird, die tatsächliche Anzahl der Elemente, die den Wert der Dimension des Objekts darstellen.

In der Regel wird die shape()-Methode im größeren Rahmen verwendet, um die Dimensionen von Pandas- und NumPy-Typobjekten in Python abzurufen.

Jeder Wert, der durch das Tupel dargestellt wird, entspricht der tatsächlichen Dimension in Bezug auf Array oder Zeilen/Spalten.

Lassen Sie uns nun einen Blick auf die Variante davon im nächsten Abschnitt werfen.

Variante 1: Pandas Format-Attribut

Wenn wir versuchen, das Pandas-Typobjekt mit der Methode shape zu verknüpfen, um die Dimensionen zu suchen, gibt es ein Tuple zurück, das die Zeilen und Spalten als Werte der Dimensionen darstellt.

Syntax:

dataframe.shape

Wir assoziieren die Form normalerweise als Attribut mit dem Pandas DataFrame, um die Dimensionen desselben zu erhalten.

Beispiel 01:

In diesem Beispiel haben wir ein DataFrame aus einer Python-Liste mit der Methode DataFrame() erstellt. Danach wenden wir dataframe.shape an, um die Dimensionen zu überprüfen.

Da die Daten, die wir übergeben haben, zwei Zeilen und zwei Spalten (2x2) haben, gibt die Methode shape uns die Anzahl der Zeilen und Spalten als Ergebnis zurück.

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)

Ausgabe:

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

Beispiel 02:

In diesem Beispiel haben wir ein leeres DataFrame mit der Funktion DataFrame() erstellt. Dann können wir mit der Methode shape() die Dimensionen des leeren DataFrames erhalten.

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

Ausgabe:

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

Variante 2: NumPy Form-Methode

Mit der NumPy-Datenstruktur speichern wir Daten-Elemente in Form eines Arrays. Wenn wir die Methode shape() mit dem NumPy-Array verknüpfen, werden die Dimensionen des Arrays in Form eines Tupels dargestellt.

Syntax:

array.shape

Beispiel 01:

Hier haben wir ein NumPy-Array ohne Dimensionen erstellt. Darüber hinaus haben wir die Methode shape() auf das Array angewendet, um die Dimensionen des erstellten Arrays zu erhalten.

import numpy as np

ar = np.array(0)

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

Ausgabe:

0
Shape of the array:
()

Beispiel 02:

In diesem Beispiel haben wir ein NumPy-Array erstellt und Elemente hinzugefügt. Dies wird mit der Funktion numpy.array() erreicht. Jetzt wenden wir die Methode shape() auf das Array von Elementen an.

import numpy as np

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

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

Ausgabe:

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

Schlussfolgerung

Damit sind wir am Ende dieses Themas angekommen. Fühlen Sie sich frei, unten zu kommentieren, falls Sie Fragen haben.

Für weitere solcher Beiträge zum Thema Kubernetes, bleiben Sie dran.

Bis dahin, viel Spaß beim Lernen! :)