Numpy基础数据结构
NumPy数组是一个多维数组对象,称为ndarray。其由两部分组成:
实际的数据
描述这些数据的元数据
1.一维数组
importnumpy as np
ar= np.array([1,2,3,4,5,6,7])print(ar) #输出数组,注意数组的格式:中括号,元素之间没有逗号(和列表区分)
print(ar.ndim) #输出数组维度的个数(轴数),或者说“秩”,维度的数量也称rank
print(ar.shape) #数组的维度,对于n行m列的数组,shape为(n,m)
print(ar.size) #数组的元素总数,对于n行m列的数组,元素总数为n*m
print(ar.dtype) #数组中元素的类型,类似type()(注意了,type()是函数,.dtype是方法)
print(ar.itemsize) #数组中每个元素的字节大小,int32类型字节为4,float64的字节为8
print(ar.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。
ar #交互方式下输出,会有array(数组)
#数组的基本属性#① 数组的维数称为秩(rank),一维数组的秩为1,二维数组的秩为2,以此类推#② 在NumPy中,每一个线性的数组称为是一个轴(axes),秩其实是描述轴的数量:#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(axes),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。
输出结果:
[1 2 3 4 5 6 7]1(7,)7int324
array([1, 2, 3, 4, 5, 6, 7])
2.二维数组
importnumpy as np
ar2= np.array([[1,2,3],[2,3,4]])print(ar2)print(ar2.ndim)print(ar2.shape)print(ar2.dtype)
ar2
输出结果:
[[1 2 3]
[2 3 4]]2(2, 3)
int32
array([[1, 2, 3],
[2, 3, 4]])
3.有字符串的混合数组