Numpy Ndarray对象

Numpy 最重要的一个特点是 N 维数组对象 ndarrary ，它是一系列同类型数据的集合，以 0 下标为开始进行集合中的索引。

ndarray 对象是用于存放同类型元素的多维数组。

ndarray 中每个元素在村中都有相同储存大小的区域。

ndarray 内部有以下内容组成：

　　1、一个指向数据（内存或内存映射文件中的一块数据）的指针

　　2、数据类型或 dtype，描述在数组中的固定大小值的格子

　　3、一个表示数组形状（shape）的元组，表示各维度大小的元组

　　4、一个跨元组（stride），其中的整数值得是为了当前进到当前维度下一个元素需要“跨过”的字节数。

 

 跨度可以是负数，这样是数组在内存中后向移动，切片中obj[:: -1]或 obj[;, :: -1]就是如此。

创建一个ndarray只需调用Numpy的array函数即可：

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为行为方向， F为列方向， A为任意的方向（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

实例：
接下来可以通过以下实例帮助我们更好的理解：

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

输出结果如下：

[1, 2, 3]


实例2：多余一个维度：
import numpy as np
a = np.array([[1, 2], [3, 4]])
print(a)

输出结果如下：

　　[[1, 2]

　　 [3, 4]]

 

实例3 ；最小维度：
import numpy as np

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

print(a)

输出如下：
[[11,2,3,4,5]]

实例4：dtype 参数

import numpy as np

a = np.array([1,2,3], dtype = cpmplex)

print(a)

输出结果：
[ 1. +0.j, 2 + 0.j, 3 +0.j]

 

 

 

 ndarray对象由计算机内存的连续一维部分组成，并结合索引模式， 将每个元素映射到内存块中的一个位置。 内存块以行顺序（FORTRAN或MatLab的风格， 即前述的F 样式）来保存元素。

 

　　

 

转载于:https://www.cnblogs.com/jcjc/p/10790701.html