(三)Numpy的数组属性

        NumPy数组的维度被称为秩（rank），秩指的是轴的数量，也就是数组的维度。比如一维数组的秩是1，二维数组的秩是2，以此类推。

        在NumPy中，每个数组都有一个或多个轴（axis），也就是维度。可以把二维数组看作是由多个一维数组组成的，其中第一个轴是底层数组，第二个轴是底层数组内的元素。因此，轴的数量就是数组的维度。

        在很多情况下，我们可以指定轴进行操作。axis=0表示沿着第一个轴进行操作，即对每一列进行操作；axis=1表示沿着第二个轴进行操作，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。

下面我将举几个例子

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  2*4*3
print(b.ndim)

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"。也可以用于调整数组大小。

import numpy as np 

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

# 调整数组大小 方法一
a.shape = (3,2)  
print(a)

# 方法二
b = a.reshape(3,2)  
print (b)
'''
[[1 2]
 [3 4]
 [5 6]]
'''

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 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），又如，一个元素类型为 complex32 的数组 item 属性为 4（32/8）。

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)  # 1
 
# 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)  # 8

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

import numpy as np 

x = np.array([1,2,3,4,5])  
print(x.flags)
'''
  C_CONTIGUOUS : True
  F_CONTIGUOUS : True
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False
'''

        至于其他的属性就慢慢探索啦。