第三篇 numpy的属性

1、.ndim 秩 ，数据轴的个数
同线性代数中的 秩一样

data1=np.arange(10)
print(data1)
#1、.ndim   秩，数据轴的个数
print(data1.ndim)
print("/n")
data2=np.arange(15).reshape(5,3)
print(data2)
print(data2.ndim)

运行结果：

2、.shape 数组长度
用法：np.shape

#numpy属性对象
import numpy as np
data1=np.arange(10)
print(data1)
#1、.ndim   秩，数据轴的个数
# print(data1.ndim)
print("\n")
data2=np.arange(15).reshape(5,3)
print(data2)
# print(data2.ndim)
#2、 .shape  数组长度
# A=data1.shape
# print(A)
print("\n")
print(data1.shape)
print(data2.shape)

运行结果：

值得注意的是，此时得到的结果不是数字格式，不是列表格式，而是一个元组类型。

print(data1.shape)
print(type(data1.shape))
print(data2.shape)
print(type(data1.shape))

3、.size 元素总个数

import numpy as np

data1=np.arange(10)
print(data1)
#1、.ndim   秩，数据轴的个数
# print(data1.ndim)
print("\n")
print(data1.size)  # .size  元素总个数

data2=np.arange(15).reshape(5,3)
print(data2)
print("\n")
print(data2.size)

结果如下：

4、.dtype 数据类型

import numpy as np

data1=np.arange(10)
print(data1)

data2=np.arange(15).reshape(5,3)
print(data2)
print(data1.dtype)  # .dtype  数据类型
print(data2.dtype)  # .dtype  数据类型

结果：

5、.itemsize 数组中的每个元素字节大小

import numpy as np

data1=np.arange(10)
print(data1)

data2=np.arange(15).reshape(5,3)
print(data2)
print(data1.itemsize)  ##.itemsize  数组中的每个元素字节大小
print(data2.itemsize)  ##.itemsize  数组中的每个元素字节大小

结果：