Numpy基础1(基本概念)

Numpy的对象：N维数据对象——ndarray别名array

ndarray对象组成：
1:实际的数据
2:描述这些数据的元数据

对象的两个基本概念：轴(axis)：保留数据的维度，秩(rank)：轴的数量
关于轴的概念后面提及。

实例：

a=np.array([ [0,1,2,3,4],[5,6,7,8,9] ])
print(a)
[[0 1 2 3 4]
[5 6 7 8 9]]

ndarray特性：
一般要求所有元素类型相同，数组下标0开始

对象的常用属性：

a.ndim:对象的轴数量，即秩。
a.shape:对象的尺度,返回一个元组对象。
例如(x,n,m)。这里可以简单的理解一个array的轴与秩：这里的矩阵有三个轴。秩为3。也可以理解为x个n*m的矩阵。下面这个array的shape就是(2,3,4)
,有三个轴。

array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])

a.size:对象元素的个数,按照上面的例子就是234=24
a.dtype:对象的元素类型
a.itemsize:对象中每个元素的大小，字节单位。

特殊情况:非同质的ndarray组成元素为对象类型
x=np.array([[0,1,2,3,4],
[5,6,7,8]])
x.shape：(2,)
x.dtype：dtype(‘O’)
x.size：2
这里可以看到size为2,元素为object。特殊情况不利于发挥numpy的优势，并不常见。以后出现的时候回提及。
好了，array的基本概念都在这里了，接下来我们进一步了解操作。