NumPy Ndarray 对象

NumPy Ndarray 对象NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。 ndarray 对象是用于存放同类型元素的多维数组。 ndarray 中的每个元素在内存中都有相同存储大小的区域。 ndarray 内部由以下内容组成： 一个指向数据（内存或内存映射文件中的一块数据）的指针。数据类型或 dtype，描述在数组中的固定大小值的格子。一个表示数组形状（shape）的元组，表示各维度大小的元组。一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数。ndarray 的内部结构:





跨度可以是负数，这样会使数组在内存中后向移动，切片中 obj[:





:





-1] 或 obj[:





,:





:





-1] 就是如此。创建一个 ndarray 只需调用 NumPy 的 array 函数即可：numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)参数说明：名称描述object数组或嵌套的数列dtype数组元素的数据类型，可选copy对象是否需要复制，可选order创建数组的样式，C为行方向，F为列方向，A为任意方向（默认）subok默认返回一个与基类类型一致的数组ndmin指定生成数组的最小维度实例接下来可以通过以下实例帮助我们更好的理解。实例 1import numpy as npa = np.array([1,2,3])print (a)输出结果如下：[1, 2, 3]实例 2





# 多于一个维度 import numpy as npa = np.array([[1, 2], [3, 4]])print (a)输出结果如下：[[1, 2] [3, 4]]实例 3





# 最小维度 import numpy as npa = np.array([1, 2, 3,4,5], ndmin = 2)print (a)输出如下：[[1, 2, 3, 4, 5]]实例 4





# dtype 参数 import numpy as npa = np.array([1, 2, 3], dtype = complex)print (a)输出结果如下：[ 1.+0.j, 2.+0.j, 3.+0.j]ndarray 对象由计算机内存的连续一维部分组成，并结合索引模式，将每个元素映射到内存块中的一个位置。内存块以行顺序(C样式)或列顺序(FORTRAN或MatLab风格，即前述的F样式)来保存元素。