Numpy学习（1）：Ndarray 对象

Ndarray 对象

Ndarray讲解

• NumPy 的强大功能主要基于底层的一个 Ndarray 结构，

• Ndarray 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：

• Ndarray 内部构成：

  • 数组形状 shape：一个表示数组各维大小的整数元组。
  • 数组数据 data：一个指向内存中数据的指针。
  • 数据类型 dtype：一个描述数组的类型对象。
  • 跨度 strides：一个元组，表示当前维度移动到下一个位置需要跨越的字节数。
    • 跨度可以是负数，这样会使数组在内存中后向移动，切片中 $\mathrm{obj}[::-1]$ 或 $\mathrm{obj}[:,::-1]$ 就是如此。
  • 数组顺序 order：访问数组元素的主顺序，如 “C” 为行主序， “F” 为列主序等。

创建 Ndarray

• 创建一个 ndarray 只需调用 NumPy 的 array 函数即可

  • 函数格式

    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

• 创建 Ndarray 数组

  • 建立一个一维 Ndarray 数组

    import numpy as np
    a = np.array([1,2,3])
    print(a)
    

  • 建立一个二维 Ndarray 数组。

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

  • 使用 ndmin 参数设置数组的最小维度。

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

  • 使用 dtype 参数设置为数组类型为复数。

    import numpy as np 
    a = np.array([1,2,3], dtype = np.complex) 
    print(a)
    

NumPy 数据类型

• NumPy内置了24种数组标量（array scaler）类型，也支持Python的基本数据类型

  名称	描述
  bool_	布尔型数据类型（True 或者 False）
  int_	默认的整数类型（类似于 C 语言中的 long，int32 或 int64）
  intc	与 C 的 int 类型一样，一般是 int32 或 int 64
  intp	用于索引的整数类型（类似于 C 的 ssize_t，一般情况下仍然是 int32 或 int64）
  int8	字节（-128 to 127）
  int16	整数（-32768 to 32767）
  int32	整数（-2147483648 to 2147483647）
  int64	整数（-9223372036854775808 to 9223372036854775807）
  uint8	无符号整数（0 to 255）
  uint16	无符号整数（0 to 65535）
  uint32	无符号整数（0 to 4294967295）
  uint64	无符号整数（0 to 18446744073709551615）
  float_	float64 类型的简写
  float16	半精度浮点数，包括：1 个符号位，5 个指数位，10 个尾数位

数据类型对象(dtype)

• 数据类型对象（numpy.dtype 类的实例）用来描述与数组对应的内存区域是如何使用，它描述了数据的以下几个方面：：

  • 数据的类型（整数，浮点数或者 Python 对象）
  • 数据的大小（例如， 整数使用多少个字节存储）
  • 数据的字节顺序（小端法或大端法）
  • 在结构化类型的情况下，字段的名称、每个字段的数据类型和每个字段所取的内存块的部分
  • 如果数据类型是子数组，那么它的形状和数据类型是什么。

• 字节顺序是通过对数据类型预先设定 < 或 > 来决定的。

  • < 意味着小端法(最小值存储在最小的地址，即低位组放在最前面)。
  • > 意味着大端法(最重要的字节存储在最小的地址，即高位组放在最前面)。

• 构造 dtype 对象的语法为：

  • 函数格式

    numpy.dtype(object, align, copy)
    

  • 参数说明

    参数	描述
    object	要转换为dtype对象的数据对象。
    align	如果为 True，填充字段使其类似C的结构体。
    copy	复制 dtype 对象 ，如果为False，则是对内置数据类型对象的引用

• 例子

  • 输出 dtype 数值

    import numpy as np
    # 使用标量类型
    dt = np.dtype(np.int32)
    print(dt)
    

  • 代替字符串

    import numpy as np
    # int8, int16, int32, int64 四种数据类型可以使用字符串 'i1', 'i2','i4','i8' 代替
    dt = np.dtype('i4')
    print(dt)
    

  • 结构化数据类型的使用，类型字段和对应的实际类型将被创建

    import numpy as np
    dt = np.dtype([('age',np.int8)]) 
    print(dt)
    
    # 输出
      [('age', 'i1')]
    

  • 将数据类型应用于 ndarray 对象

    import numpy as np
    dt = np.dtype([('age',np.int8)]) 
    a = np.array([(10,),(20,),(30,)], dtype = dt) 
    print(a)
    
    # 输出结果为
      [(10,) (20,) (30,)]
    

  • 转换数据类型

    import numpy as np 
    x = np.array(5, dtype="float32")
    print('x为:',x)
    print('x对象的data属性： ',x.data)
    print('x对象的size属性：',x.size)
    print('x对象的维数：',x.ndim)
    
    y = np.array(x, dtype="bool_")
    print('转换为bool类型的x为：',y)
    
    z = np.array(y, dtype="float16")
    print('True值转换为float16类型为：',z)