Cara menggunakan python 2d array size

Get the length of a 2D Array in Python #

To get the length of a 2D Array in Python:

1. Pass the entire array to the len() function to get the number of rows.
2. Pass the first array element to the len() function to get the number of columns.
3. Multiply the number of rows by the number of columns to get the total.

Copied!
my_arr = [[1, 2, 3], [4, 5, 6]]

rows = len(my_arr)
print(rows)  # 👉️ 2

cols = len(my_arr[0])
print(cols)  # 👉️ 3

total_elements = rows * cols
print(total_elements)  # 👉️ 6

If you need to get the length of a numpy array, scroll down to the next section.

The len() function returns the length (the number of items) of an object.

The argument the function takes may be a sequence (a string, tuple, list, range or bytes) or a collection (a dictionary, set, or frozen set).

We first passed the entire list to the len() function to get the number of rows (the number of nested lists).

Assuming that each nested list has the same number of elements, we can get the length of a column by accessing a nested list and passing the result to the len() function.

You can get the total number of items in the 2D list by multiplying the number of rows by the number of columns.

If the nested lists may be of different sizes, use the sum() function.

Copied!
my_arr = [[1, 2, 3], [4, 5, 6, 7, 8]]

result = sum(len(l) for l in my_arr)

print(result)  # 👉️ 8

The sum function takes an iterable, sums its items from left to right and returns the total.

We pass each nested list to the len function and calculate the sum.

If you need to get the length of a 2D numpy array, use the shape attribute.

Copied!
import numpy as np

my_2d_arr = np.array([[1, 2, 3], [4, 5, 6]])

print(my_2d_arr.shape)  # 👉️ (2, 3)
print(my_2d_arr.size)  # 👉️ 6


rows, cols = my_2d_arr.shape

result = rows * cols
print(result)  # 👉️ 6

The size attribute returns the number of elements in the numpy array.

The shape attribute returns a tuple of the array's dimensions.

The first value in the tuple is the number of rows, and the second - the number of columns in the array.

The two-dimensional array contains 2 nested arrays with 3 elements each.

Numpy array menjadi salah satu hal utama yang harus dikuasai dalam Python. Namun sebelum membicarakan tentang numpy array lebih jauh, ada baiknya kita memahami apa sebenarnya array itu. Secara umum, Array merupakan struktur data yang dapat menampung lebih dari satu nilai dalam satu waktu yang bersamaan. Pengertian array sendiri adalah kumpulan dari beberapa elemen secara berurutan dan memiliki jenis yang sama. Array menjadi hal dasar yang harus dikuasai ketika mempelajari bahasa pemrograman, termasuk Python.

Lalu apa itu numpy array dan apa yang membedakannya dengan array biasa? Nah, seperti namanya numpy adalah hal-hal yang berisi angka. Jika pada array biasa, elemen nya dapat berupa huruf ataupun gabungan antara huruf dan angka, maka pada numpy array, elemennya hanya dapat diisi dengan angka. Dalam artikel ini, kita akan membahas mengenai dimensi-dimensi yang mungkin untuk dibuat dalam numpy array. Jika teman-teman sudah penasaran, langsung baca aja yuk artikelnya!

1. Scalars (0-Dimensi) dan Uni-Dimensional (1-Dimensi)  

Array 0-D atau yang lebih dikenal dengan scalars merupakan elemen dari sebuah array. Jika teman-teman bingung seperti apa 0-D itu, maka kita hanya perlu memahami bahwa setiap dimensi yang ada dalam array merupakan array 0 dimensi. Agar lebih paham, berikut adalah contohnya:

import numpy as np

arr = np.array(42)

print(arr)

Maka hasilnya adalah :

30

Nah, bagaimana dengan array 1-D atau yang dikenal dengan sebutan uni dimensional? Array yang elemennya terdiri dari array 0-D inilah yang kemudian disebut dengan array 1-D atau uni dimensional. Array ini menjadi array yang paling umum dan paling banyak digunakan. Berikut contoh dari array 1-D:

import numpy as np

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

print(arr)

Maka hasilnya adalah :

[3, 0, 4, 9, 8]

Baca juga : Python Array : Memahami Kegunaan Array Dalam Python

2. Array 2 Dimensi dan Array 3 Dimensi

2-D Array atau array 2 dimensi merupakan array yang elemennya terdiri dari array 1 dimensi. Array 2 dimensi ini sering digunakan untuk membuat matriks. Contohnya adalah :

import numpy as np

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

print(arr)

Maka didapatkan hasilnya sebagai berikut:

[[3 2 1]

 [6 4 5]]

Sedangkan untuk 3-D array atau array 3 dimensi merupakan array yang elemennya memiliki larik 2-D array atau matriks. Berikut contohnya:

import numpy as np

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

print(arr)

Diperoleh output sebagai berikut:

[[[3 2 1]

  [6 4 5]]

 [[3 2 1]

  [6 4 5]]]

3. Higher Dimensional Arrays

Sebuah array memungkinkan dirinya untuk memiliki sejumlah dimensi. Kita dapat menentukan jumlah dimensi dari array pada saat membuatnya dengan menggunakan argumen ndmin. Contohnya:

import numpy as np

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

print(arr)

print('number of dimensions :', arr.ndim)

Outputnya adalah : 

[[[[[1 2 3 4]]]]]

number of dimensions : 5

Dalam contoh di atas, dimensi paling dalam yaitu dimensi ke-5 memiliki 4 elemen. Kemudian untuk dimensi ke-4 memiliki 1 elemen yaitu vektor. Sementara dimensi ke-3 memiliki 1 elemen yaitu matriks dengan vektor, dimensi ke-2 memiliki 1 elemen yaitu larik 3D dan dimensi pertama memiliki 1 elemen yaitu array 4D.

Baca juga : 3 Metode Numpy Array Python Sebagai Dasar Proses Manipulasi Data

4. Mulai Terapkan Ilmunya dengan Belajar Data Science bersama DQLab!

Tidak memiliki background IT? Jangan khawatir, kamu tetap bisa menguasai Ilmu Data Science untuk siap berkarir di revolusi industri 4.0. Bangun proyek dan portofolio datamu bersama DQLab untuk mulai berkarir di industi masa kini! Sign up sekarang untuk #MulaiBelajarData di DQLab!

Simak informasi di bawah ini untuk mengakses gratis module "Introduction to Data Science":

1.Buat Akun Gratis dengan Signup di DQLab.id/signup

2.Akses module Introduction to Data Science

3.Selesaikan modulenya, dapatkan sertifikat & reward menarik dari DQLab

4. Subscribe DQLab.id untuk Akses Semua Module Premium!

Penulis : Gifa Delyani Nursyafitri 

Editor : Annissa Widya