Première:
Par convention, dans le monde Python, le raccourci pour numpy
est np
, donc:
In [1]: import numpy as np
In [2]: a = np.array([[1,2],[3,4]])
Seconde:
Dans Numpy, dimension , axe / axes , forme sont des concepts liés et parfois similaires:
dimension
En mathématiques / physique , la dimension ou dimensionnalité est définie de manière informelle comme le nombre minimum de coordonnées nécessaires pour spécifier n'importe quel point dans un espace. Mais dans Numpy , selon le doc numpy , c'est la même chose que axe / axes:
Dans Numpy, les dimensions sont appelées axes. Le nombre d'axes est rang.
In [3]: a.ndim # num of dimensions/axes, *Mathematics definition of dimension*
Out[3]: 2
axe / axes
la nième coordonnée pour indexer un array
dans Numpy. Et les tableaux multidimensionnels peuvent avoir un index par axe.
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)
forme
décrit le nombre de données (ou la plage) le long de chaque axe disponible.
In [5]: a.shape
Out[5]: (2, 2) # both the first and second axis have 2 (columns/rows/pages/blocks/...) data
shape
, dans NumPy. Ce que NumPy appelle la dimension est 2, dans votre cas (ndim
). Il est utile de connaître la terminologie NumPy habituelle: cela facilite la lecture des documents!