Méthode shape() en Python - Tout ce que vous devez savoir !

Bonjour, lecteurs ! Cet article parle de la méthode shape() de Python et de ses variantes en programmation avec des exemples.

Alors, commençons !!

Utilisation de la méthode shape() de Python

Lorsqu'il s'agit de l'analyse des données et de ses variantes, il est extrêmement important de prendre en compte le volume des données. Avant de prévoir d'analyser les données et de faire une synthèse, nous devons être conscients des dimensions des données.

C'est à ce moment-là que la méthode shape() de Python entre en jeu.

Avec la méthode shape(), vient la flexibilité d'obtenir les dimensions de n'importe quel objet Python. Oui, elle renvoie une valeur de tuple qui indique les dimensions d'un objet Python.

Pour comprendre la sortie, le tuple renvoyé par la méthode shape() est le nombre réel d'éléments qui représentent la valeur de la dimension de l'objet.

En général, à une échelle plus large, la méthode shape() est utilisée pour obtenir les dimensions des objets de type Pandas et NumPy en Python.

Chaque valeur représentée par le tuple correspond à la dimension réelle en termes de tableau ou de lignes/colonnes.

Examinons maintenant la variante de la même chose dans la section à venir.

Variante 1 : Attribut de forme des pandas

Lorsque nous essayons d'associer l'objet de type Pandas à la méthode shape en cherchant les dimensions, cela renvoie un tuple qui représente les lignes et les colonnes comme la valeur des dimensions.

Syntaxe :

dataframe.shape

Nous associons généralement la forme comme un attribut avec le dataframe Pandas pour obtenir ses dimensions.

Exemple 01 :

Dans cet exemple, nous avons créé un dataframe à partir d'une liste Python en utilisant la méthode DataFrame(). Ensuite, nous appliquons dataframe.shape pour vérifier les dimensions.

Étant donné que les données que nous avons passées ont deux lignes et deux colonnes (2x2), la méthode shape nous retourne le nombre de lignes et de colonnes comme résultat.

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)

Sortie :

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

Exemple 02 :

Dans cet exemple, nous avons créé un dataframe vide en utilisant la fonction DataFrame(). Ensuite, avec la méthode shape(), nous pouvons obtenir les dimensions du dataframe vide.

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

Sortie :

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

Variante 2 : méthode shape de NumPy

Avec la structure de données NumPy, nous stockons des éléments de données sous la forme d'un tableau. Lorsque nous associons la méthode shape() au tableau NumPy, les dimensions du tableau sont représentées sous la forme d'un tuple.

Syntaxe :

array.shape

Exemple 01 :

Ici, nous avons créé un tableau NumPy sans dimensions. De plus, nous avons appliqué la méthode shape() sur le tableau pour obtenir les dimensions du tableau créé.

import numpy as np

ar = np.array(0)

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

Sortie :

0
Shape of the array:
()

Exemple 02 :

Dans cet exemple, nous avons créé un tableau NumPy et y avons ajouté des éléments. Cela est réalisé en utilisant la fonction numpy.array(). Maintenant, nous appliquons la méthode shape() au tableau d'éléments.

import numpy as np

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

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

Sortie :

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

Conclusion

Par cela, nous sommes arrivés à la fin de ce sujet. N'hésitez pas à commenter ci-dessous, si vous avez des questions.

Pour plus de publications liées à Kubernetes, restez à l'écoute avec nous.

D'ici là, bonne apprentissage ! :)