python中如何理解numarray的数轴维度 numpy数组维度

Numpy数组基本属性

• 维度为秩（rank），也就是轴的数量，数组维度，一维数组秩维1，二维数组秩为20。
• 每一个线性的数组成为一个轴 axis 也就是维度dimensions。二位数组相当于两个一维数组，第一个一维数组这种的每个元素又是一个一维数组。
• 一维数组就是numpy中的轴 axis，第一个轴相当于底层数组，第二个轴相当于底层数组中的数组，而轴的数量就是秩，就是数组为数。
• axis=0表示沿着第0轴进行操作，对每一列进行操作axis=1，表示沿着第1轴进行操作，是对每一行进行操作的意思。

1、 ndarray.ndim

用于返回数组的维度，等于秩

np.arange()
函数返回一个有终点和起点的固定步长的排列，如[1,2,3,4,5]，起点是1，终点是6，步长为1。
参数个数情况： np.arange()函数分为一个参数，两个参数，三个参数三种情况
1）一个参数时，参数值为终点，起点取默认值0，步长取默认值1。
2）两个参数时，第一个参数为起点，第二个参数为终点，步长取默认值1。
3）三个参数时，第一个参数为起点，第二个参数为终点，第三个参数为步长。其中步长支持小数

#一个参数 默认起点0，步长为1 输出：[0 1 2]
a = np.arange(3)
#两个参数 默认步长为1 输出[3 4 5 6 7 8]
a = np.arange(3,9)
#三个参数 起点为0，终点为3，步长为0.1 输出[ 0. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1. 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2. 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9]
a = np.arange(0, 3, 0.1)

import numpy as np
a = np.arange(24)#产生一个[0,1,...,23]
print(a.ndim)
#调整数组a的大小
b = a.reshape(2,4,3)#行 列 维度 得到三个维度
print(b.ndim)

2、 ndarray.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调整数组的大小

c=np.array([[1,2,3],[4,5,6]])
print(c.shape)
print(c.ndim)
c.shape=(3,2)
print(c.shape)
print(c.ndim)

3、 ndarray.itemsize

以字节的形式返回数组每一个元素的大小
比如一个元素类型为float64的数组itemsize的属性值为8（64/8 占用八个字节） 一个元素类型为conplex32的数组item属性为4（32/8）

d=np.array([1,2,3,4,5],dtype=np.int8)
print(d.itemsize)
d=np.array([1,2,3,4,5],dtype=np.float64)
print(d.itemsize)

4、 ndarray.falgs

返回ndarray对象的内存信息，包含以下属性：

import numpy as np 
 
x = np.array([1,2,3,4,5])  
print (x.flags)