Numpy库(二)：NumPy的数组类ndarray

NumPy的数组类称为ndarray，也被称为别名 array。请注意，numpy.array这与标准Python库类不同array.array，后者仅处理⼀维数组且功能较少。

一. ndarray对象的属性

属性	说明
.ndim	轴的数量或维度的数量（通俗理解就是二维的行数）
.shape	ndarray对象的尺度，对于矩阵，n行m列
.size	ndarray对象元素的个数，相当于.shape中n*m的值（通俗理解就是长方体 长x宽x高）
.dtype	ndarray对象的元素类型
.itemsize	ndarray对象中每个元素的大小，以字节为单位

import numpy as np
arr = np.random.randint(0,100,size = (2,3,2))
print(arr.ndim)
print(arr.shape)
print(arr.size)
print(arr.dtype)
print(arr.itemsize)

二. ndarray的数据类型

2.1、常用数据类型

数据类型	说明
bool	布尔类型，True或False
intc	与c语言中的int类型一致，一般是int32或int64
intp	用于索引的整数，与c语言中ssize_t一致，int32或int64
int8	字节长度的整数，取值:[−128,127]
int16	16位长度的整数，取值 : [−32768,32767]
int32	32位长度的整数，取值 : [−231,231−1]
int64	64位长度的整数，取值 : [ − 2 ^63 , 2 ^63 − 1 ]
uint8	8位无符号整数，取值 : [0,255]
uint16	16位无符号整数，取值 : [0,65535]
uint32	32位无符号整数，取值：[0, 232‐1]
uint64	32位无符号整数，取值：[0, 264‐1]
float16	16位半精度浮点数：1位符号位，5位指数，10位尾数
float32	32位半精度浮点数：1位符号位，8位指数，23位尾数
float64	64位半精度浮点数：1位符号位，11位指数，52位尾数
complex64	复数类型，实部和虚部都是32位浮点数
complex128	复数类型，实部和虚部都是64位浮点数
str	字符串类型

2.2、数据类型转换

1）、asarray转换是指定类型

import numpy as py

arr = [1,2,3,4,5,6]
np.asarray(arr,dtype='float') #将列表进⾏变换

2）、astype 直接类型转换

import numpy as py

arr = np.random.randint(0,10,size=5,dtype='int16')
arr.astype('float') #  将列表类型进⾏变换

三. ndarray的数组运算

3.1、加减乘除幂运算

import numpy as np
arr1 = np.array([1,2,3,4,5])
arr2 = np.array([2,3,1,5,9])
arr1 - arr2 # 减法
arr1 * arr2 # 乘法
arr1 / arr2 # 除法
arr1**arr2 # 两个星号表示幂运算

3.2、逻辑运算

import numpy as np
arr1 = np.array([1,2,3,4,5])