Numpy中type()、ndim、shape、size、dtype、astype的用法

numpy基础介绍

Numpy 补充了Python语言所欠缺的数值计算能力,是其它数据分析及机器学习库的底层库。因其完全标准C语言实现，运行效率充分优化。最重要一点是开源免费。numpy的核心是矩阵（即多维数组）。

示例

import numpy as np

arr =np.array([[1,2,3],
[4,5,6]])

print(arr)
print(type(arr))
print(arr.ndim)
print(arr.shape)
print(arr.size)
print(arr.dtype)
print(arr.astype('float32'))

结果如下：

[[1 2 3] 
 [4 5 6]]
<class 'numpy.ndarray'>
2
(2, 3)
6
int32
[[1. 2. 3.]
 [4. 5. 6.]]

分析及总结：

1. Python中有list(即数组)数据类型和numpy中的numpy.ndarray是两种不同的数据结构，区别可以看每个小中括号之间是否有逗号分割，
   有则是list,没有则是numpy.ndarray；
2. type()和dtype是两个不同的方法，一个是看数据结构，一个单个字符的类型（数据类型）
3. ndim函数是看维数，几维的。方法是看连着几个中括号。比如

import numpy as np

arr1 =np.array([1,4,4,1])
arr2 =np.array([[1],
[4],
[4],
[1]
])
arr3 =np.array([[[1,2,3],
[4,5,6]],[[8,9,3],
[4,2,1]]])
print(arr1.ndim,arr2.ndim,arr3.ndim)
1 2 3

4. shape：表示各位维度大小的元组。返回的是一个元组。对于一维数组：有疑问的是为什么不是（1，4），因为arr1.ndim维度为1，元组内只返回一个数。对于二维数组：前面的是行，后面的是列，他的ndim为2，所以返回两个数。对于三维数组，返回三个数。比如

import numpy as np

arr1 =np.array([1,4,4,1])
arr2 =np.array([[1],
[4],
[4],
[1]
])
arr3 =np.array([[[1,2,3],
[4,5,6]],[[8,9,3],
[4,2,1]]])
print(arr1.shape)
print(arr2.shape)
print(arr3.shape)

(4,)
(4, 1)
(2, 2, 3)

5. dtype和astype，一个可以指定数组的数据类型，一个可以改变数组的数据类型
   numpy的数据类型主要包括整数、浮点数、复数、布尔值、字符串、python对象类型，如下图所示
   
   1、使用dtype指定创建数组的数据类型，可以创建数组时直接指定

    #默认是浮点数是float64
    arr9 = np.array([1.,2.,3.],dtype=np.float32)
    print(arr9.dtype)
    #float32
    #通过类型代码指定
    arr9 = np.array([1.,2.,3.],dtype="f4")
    print(arr9.dtype)
    #float32

2、使用astype来改变数组的数据类型

import numpy as np

arr1 =np.array([1,4,4,1])
print(arr1)
print(arr1.dtype)

arr2 = arr1.astype('float64')
print(arr2)
print(arr2.dtype)
print(arr1)

[1 4 4 1]
int32
[1. 4. 4. 1.]
float64
[1 4 4 1]

6. size 函数计算当前数组元素的个数

import numpy as np

arr1 =np.array([1,4,4,1])
arr2 =np.array([[1],
[4],
[4],
[1]
])
arr3 =np.array([[[1,2,3],
[4,5,6]],[[8,9,3],
[4,2,1]]])

print(arr1.size)
print(np.size(arr1))
print(arr2.size)
print(arr3.size)

4
4
4
12

备注：比较前两个4，其实在numpy中同一个函数有不同的表达方式，可以arr1.size，也可以np.size(arr1)

itemsize、nbytes函数

itemsize：数组每个元素字节大小 (itemsize)
nbytes：数组总字节大小 (nbytes)

import numpy as np

arr1 =np.array([1,4,4,1])
print("Item size:", arr1.itemsize)  # 输出: 4 (表示每个元素占用4个字节)
print("Total bytes:", arr1.nbytes)  # 输出: 16 (表示整个数组占用的总字节数)