1 ndarray的属性
数组属性反映了数组本身固有的信息。
![b325426d8d2d109632d8b3605d9dedb6.png](https://i-blog.csdnimg.cn/blog_migrate/99232fc5854821d64cd10ef0cabee97e.jpeg)
2 ndarray的形状
首先创建一些数组。
# 创建不同形状的数组
>>> a = np.array([[1,2,3],[4,5,6]])
>>> b = np.array([1,2,3,4])
>>> c = np.array([[[1,2,3],[4,5,6]],[[1,2,3],[4,5,6]]])
分别打印出形状
>>> a.shape
>>> b.shape
>>> c.shape
(2, 3) # 二维数组
(4,) # 一维数组
(2, 2, 3) # 三维数组
如何理解数组的形状?
二维数组:
![a71b06c541997923cf963135d4d0e510.png](https://i-blog.csdnimg.cn/blog_migrate/2a836652f171b71a11f0cb79b960a0c4.jpeg)
三维数组:
![a59f3c98bac1c5a454c67e908535d4cb.png](https://i-blog.csdnimg.cn/blog_migrate/d21ed839ce8437da381d86f5bde00cd0.jpeg)
3 ndarray的类型
>>> type(score.dtype)
<type 'numpy.dtype'>
dtype是numpy.dtype类型,先看看对于数组来说都有哪些类型
![66391de61a3799483ccd032354d8d539.png](https://i-blog.csdnimg.cn/blog_migrate/76c38327b4ffed0eaf32ec0037f2cc64.jpeg)
创建数组的时候指定类型
>>> a = np.array([[1, 2, 3],[4, 5, 6]], dtype=np.float32)
>>> a.dtype
dtype('float32')
>>> arr = np.array(['python', 'tensorflow', 'scikit-learn', 'numpy'], dtype = np.string_)
>>> arr
array([b'python', b'tensorflow', b'scikit-learn', b'numpy'], dtype='|S12')
注意:若不指定,整数默认int64,小数默认float64