当前位置:K88软件开发文章中心编程语言PythonPython01 → 文章内容

NumPy 数组属性

减小字体 增大字体 作者:佚名  来源:网上搜集  发布时间:2019-1-11 13:39:01

NumPy 数组属性本章节我们将来了解 NumPy 数组的一些基本属性。NumPy 数组的维数称为秩(rank),一维数组的秩为 1,二维数组的秩为 2,以此类推。在 NumPy中,每一个线性的数组称为是一个轴(axis),也就是维度(dimensions)。比如说,二维数组相当于是两个一维数组,其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴(axis),第一个轴相当于是底层数组,第二个轴是底层数组里的数组。而轴的数量——秩,就是数组的维数。很多时候可以声明 axis。axis=0,表示沿着第 0 轴进行操作,即对每一列进行操作;axis=1,表示沿着第1轴进行操作,即对每一行进行操作。NumPy 的数组中比较重要 ndarray 对象属性有:属性说明ndarray.ndim秩,即轴的数量或维度的数量ndarray.shape数组的维度,对于矩阵,n 行 m 列ndarray.size数组元素的总个数,相当于 .shape 中 n*m 的值ndarray.dtypendarray 对象的元素类型ndarray.itemsizendarray 对象中每个元素的大小,以字节为单位ndarray.flagsndarray 对象的内存信息ndarray.realndarray元素的实部ndarray.imagndarray 元素的虚部ndarray.data包含实际数组元素的缓冲区,由于一般通过数组的索引获取元素,所以通常不需要使用这个属性。ndarray.ndimndarray.ndim 用于返回数组的维数,等于秩。实例import numpy as npa = np.arange(24)print (a.ndim)





# a 现只有一个维度





# 现在调整其大小b = a.reshape(2,4,3)





# b 现在拥有三个维度print (b.ndim)输出结果为:13ndarray.shapendarray.shape 表示数组的维度,返回一个元组,这个元组的长度就是维度的数目,即 ndim 属性(秩)。比如,一个二维数组,其维度表示"行数"和"列数"。ndarray.shape 也可以用于调整数组大小。实例import numpy as npa = np.array([[1,2,3],[4,5,6]])print (a.shape)输出结果为:(2, 3)调整数组大小。实例import numpy as npa = np.array([[1,2,3],[4,5,6]])a.shape = (3,2)print (a)输出结果为:[[1 2] [3 4] [5 6]]NumPy 也提供了 reshape 函数来调整数组大小。实例import numpy as npa = np.array([[1,2,3],[4,5,6]])b = a.reshape(3,2)print (b)输出结果为:[[1, 2] [3, 4] [5, 6]]ndarray.itemsizendarray.itemsize 以字节的形式返回数组中每一个元素的大小。例如,一个元素类型为 float64 的数组 itemsiz 属性值为 8(float64 占用 64 个 bits,每个字节长度为 8,所以 64/8,占用 8 个字节),又如,一个元素类型为 complex32 的数组 item 属性为 4(32/8)。实例import numpy as np





# 数组的 dtype 为 int8(一个字节) x = np.array([1,2,3,4,5], dtype = np.int8)print (x.itemsize)





# 数组的 dtype 现在为 float64(八个字节) y = np.array([1,2,3,4,5], dtype = np.float64)print (y.itemsize)输出结果为:18ndarray.flagsndarray.flags 返回 ndarray 对象的内存信息,包含以下属性:属性描述C_CONTIGUOUS (C)数据是在一个单一的C风格的连续段中F_CONTIGUOUS (F)数据是在一个单一的Fortran风格的连续段中OWNDATA (O)数组拥有它所使用的内存或从另一个对象中借用它WRITEABLE (W)数据区域可以被写入,将该值设置为 False,则数据为只读ALIGNED (A)数据和所有元素都适当地对齐到硬件上UPDATEIFCOPY (U)这个数组是其它数组的一个副本,当这个数组被释放时,原数组的内容将被更新实例import numpy as npx = np.array([1,2,3,4,5])print (x.flags)输出结果为: C_CONTIGUOUS :





True F_CONTIGUOUS :





True OWNDATA :





True WRITEABLE :





True ALIGNED :





True WRITEBACKIFCOPY :





False UPDATEIFCOPY :





False

NumPy 数组属性