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），秩就是轴的数量，即数组的维度，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.dtype | ndarray 对象的元素类型 |
ndarray.itemsize | ndarray 对象中每个元素的大小，以字节为单位 |
ndarray.flags | ndarray 对象的内存信息 |
ndarray.real | ndarray元素的实部 |
ndarray.imag | ndarray 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.ndim
ndarray.ndim 用于返回数组的维数，等于秩。
实例
import numpy as np a = 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：
1 3
ndarray.shape
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 也可以用于调整数组大小。
实例
import numpy as np a = 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 np a = 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 np a = 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.itemsize
ndarray.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：
1 8
ndarray.flags
ndarray.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 np x = 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
1 篇笔记 写笔记
- TRINITY
cho***03@outlook.com
38
ndarray.reshape 通常返回的是非拷贝副本，即改变返回后数组的元素，原数组对应元素的值也会改变。 In [1]: import numpy as np In [2]: a=np.array([[1,2,3],[4,5,6]]) In [3]: a Out[3]: array([[1, 2, 3], [4, 5, 6]]) In [4]: b=a.reshape((6,)) In [5]: b Out[5]: array([1, 2, 3, 4, 5, 6]) In [6]: b[0]=100 In [7]: b Out[7]: array([100, 2, 3, 4, 5, 6]) In [8]: a Out[8]: array([[100, 2, 3], [ 4, 5, 6]])
