Numpy学习（2）：NumPy 数组属性

NumPy 数组属性

常用术语

• 秩（rank）

  • 秩描述 NumPy 数组的维数，即轴的数量。
  • 一维数组的秩为1，二维数组的秩为 2，以此类推。

• 轴（axis）

  • 每一个线性数组称为一个轴，轴即数组的维度（dimensions）。

• 例如：将二维数组看作一维数组

  • 此一维数组中每个元素又是一个一维数组。则每个一维数组是 NumPy 的一个轴（axis）。第一个轴相当于是底层数组，第二个轴是底层数组中的数组。

  • 有时可以声明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。

• ndarray 对象属性

  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。

  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)
  
  # 输出为:
   	1
      3
  

ndarray.shape

• 代表数组的维度，返回值为一个元组。这个元组的长度就是ndim属性(秩)。比如，一个二维数组，其维度表示"行数"和"列数"

  import numpy as np 
  a = np.array([[1,2,3],[4,5,6]]) 
  print (a.shape)
  
    输出(2,3)
  

• ndarray.shape 也可以用于调整数组大小

  import numpy as np 
  a = np.array([[1,2,3],[4,5,6]]) 
  a.shape = (3,2) 
  print (a)
  
  #输出结果
   	[[1 2]
    	 [3 4]
    	 [5 6]]
  

• NumPy中的 reshape 函数也可以调整数组大小

  import numpy as np 
  a = np.array([[1,2,3],[4,5,6]]) 
  b = a.reshape(3,2) 
  print (b)
  #输出结果
   	[[1 2]
    	 [3 4]
    	 [5 6]]
  

• 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。

  import numpy as np
  a = np.array([[1,2,3],[4,5,6]])
  b = a.reshape((6,))
  b[0] = 100
  print (a)
  print (b)
  
  #输出结果
    a:array([[100,   2,   3],
          [  4,   5,   6]])
    b:array([100,   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。

• 例子

  • 一个元素类型为 float64 的数组 itemsize 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）
  • 一个元素类型为 complex32 的数组 item 属性为 4（32/8）

• 例子

  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：
   	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 ©	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

• 例子

  import numpy as np 
   
  x = np.array([1,2,3,4,5])  
  print (x.flags)
  
  # 输出结果：
    C_CONTIGUOUS : True
    F_CONTIGUOUS : True
    OWNDATA : True
    WRITEABLE : True
    ALIGNED : True
    WRITEBACKIFCOPY : False
    UPDATEIFCOPY : False