《玩转Numpy计算库》视频课程
《玩转Numpy计算库》视频课程链接:https://edu.csdn.net/course/detail/28656
数组(ndarray)的属性
ndarray
的数组是“ N维数组”的简写。N维数组只是具有任意数量维度的数组。例如:1-d ,或一维数组,2-d ,或二维数组,等等。
NumPy的ndarray类用于表示矩阵和向量。
向量是一维(有行向量和列向量)的数组,而矩阵是指具有两个维度的数组。对于3-D或更高维的数组,也通常使用张量(tensor)这一术语 。
数组的属性是什么?
数组通常是具有相同类型和大小的元素的固定大小的容器。数组属性反映了数组本身固有的信息。
数组中的维数和元素数由其形状(shape)定义。数组的形状是指定每个维度的大小的非负整数的一个元组。
在NumPy中,不同的维度称为轴(axes)。
如果有一个如下所示的2D数组:
[[0., 0., 0.], [1., 1., 1.]]
该数组有2个轴。第一轴的长度为2,第二轴的长度为3。
a =np.array([[0., 0., 0.],
[1., 1., 1.]])
print(a.ndim)
2
print(a.shape)
(2, 3)
数组属性
-
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。
-
在二维NumPy数组中,轴是沿行和列的方向。 axis=0,表示沿着第 0 轴(行的方向)进行操作;axis=1,表示沿着第1轴进行操作。
比较重要 ndarray 对象的属性有:
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,通常不需要使用这个属性。 |
a = np.arange(12)
print (a.ndim) # a 现只有一个维度
print(a)
1
[ 0 1 2 3 4 5 6 7 8 9 10 11]
# 现在调整其大小
b = a.reshape(4,3) # b 现在拥有两个维度
print (b.ndim)
print(b)
2
[[ 0 1 2]
[ 3 4 5]
[ 6 7 8]
[ 9 10 11]]
c = a.reshape(2,2,3) # b 现在拥有三个维度
print (c.ndim)
print(c)
3
[[[ 0 1 2]
[ 3 4 5]]
[[ 6 7 8]
[ 9 10 11]]]
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 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 itemsize 属性值为 4(32/8)。
print(a)
print (a.itemsize)
[ 0 1 2 3 4 5 6 7 8 9 10 11]
4
# 数组的 dtype 为 int8(一个字节)
x = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11], dtype = np.int8)
print (x.itemsize)
1
# 数组的 dtype 现在为 float64(八个字节)
y = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11], dtype = np.float64)
print (y.itemsize)
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 |
a = np.array([1,2,3,4,5,6])
print (a.flags)
C_CONTIGUOUS : True
F_CONTIGUOUS : True
OWNDATA : True
WRITEABLE : True
ALIGNED : True
WRITEBACKIFCOPY : False
UPDATEIFCOPY : False
例子:
a = np.arange(15).reshape(3, 5)
a
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]])
a.shape
(3, 5)
a.ndim
2
a.dtype.name
'int32'
a.itemsize
4
a.size
15
type(a)
numpy.ndarray
b = np.array([6, 7, 8])
b
array([6, 7, 8])
type(b)
numpy.ndarray