Array shapes in numpy

In [1]:

    

import os
setup_script = os.path.join(os.environ['ENV_JUPYTER_SETUPS_DIR'], 'setup_sci_env_basic.py')
%run $setup_script


    

    




The autoreload extension is already loaded. To reload it, use:
  %reload_ext autoreload

In [2]:

    

a = np.array([2.0, 3.0, 4.0, 5.0])
b = np.array([[2.0], [3.0], [4.0], [5.0]])


    

In [3]:

    

a


    

    
Out[3]:





array([ 2.,  3.,  4.,  5.])

In [4]:

    

a.shape


    

    
Out[4]:





(4,)

In [5]:

    

a.flags


    

    
Out[5]:





  C_CONTIGUOUS : True
  F_CONTIGUOUS : True
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

In [6]:

    

a.itemsize


    

    
Out[6]:





8

In [7]:

    

a.strides


    

    
Out[7]:





(8,)

In [8]:

    

a[0]


    

    
Out[8]:





2.0

In [9]:

    

a[0,0]


    

    




---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-9-6d5034879124> in <module>()
----> 1 a[0,0]

IndexError: too many indices for array

In [10]:

    

b


    

    
Out[10]:





array([[ 2.],
       [ 3.],
       [ 4.],
       [ 5.]])

In [11]:

    

b.shape


    

    
Out[11]:





(4, 1)

In [12]:

    

b.flags


    

    
Out[12]:





  C_CONTIGUOUS : True
  F_CONTIGUOUS : True
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

In [13]:

    

b.itemsize


    

    
Out[13]:





8

In [14]:

    

b.strides


    

    
Out[14]:





(8, 8)

In [15]:

    

b[0]


    

    
Out[15]:





array([ 2.])

In [16]:

    

b[0,0]


    

    
Out[16]:





2.0

In [17]:

    

a + b


    

    
Out[17]:





array([[  4.,   5.,   6.,   7.],
       [  5.,   6.,   7.,   8.],
       [  6.,   7.,   8.,   9.],
       [  7.,   8.,   9.,  10.]])

In [18]:

    

a * b


    

    
Out[18]:





array([[  4.,   6.,   8.,  10.],
       [  6.,   9.,  12.,  15.],
       [  8.,  12.,  16.,  20.],
       [ 10.,  15.,  20.,  25.]])

In [19]:

    

a.dot(b)


    

    
Out[19]:





array([ 54.])

In [20]:

    

c = a.reshape(2,2)


    

In [21]:

    

c


    

    
Out[21]:





array([[ 2.,  3.],
       [ 4.,  5.]])

In [22]:

    

d = b.reshape(2,2)


    

In [23]:

    

d


    

    
Out[23]:





array([[ 2.,  3.],
       [ 4.,  5.]])

In [24]:

    

M = np.array([[2.0, 3.0, 3.0, 4.0], [9.0, 5.0, 1.0, 1.0], [2.0, 4.0, 5.0, 9.0], [8.0, 3.0, 4.0, 5.0]])


    

In [25]:

    

M


    

    
Out[25]:





array([[ 2.,  3.,  3.,  4.],
       [ 9.,  5.,  1.,  1.],
       [ 2.,  4.,  5.,  9.],
       [ 8.,  3.,  4.,  5.]])

In [26]:

    

M.dot(a)


    

    
Out[26]:





array([ 45.,  42.,  81.,  66.])

In [27]:

    

M.dot(b)


    

    
Out[27]:





array([[ 45.],
       [ 42.],
       [ 81.],
       [ 66.]])