NumPy數組屬性

本章節我們將來了解 NumPy 數組的一些基本屬性。

NumPy 數組的維數稱為秩（rank），秩就是軸的數量，即數組的維度，一維數組的秩為 1，二維數組的秩為 2，以此類推。

在 NumPy中，每一個線性的數組稱為是一個軸（axis），也就是維度（dimensions）。比如說，二維數組相當于是兩個一維數組，其中第一個一維數組中每個元素又是一個一維數組。所以一維數組就是 NumPy 中的軸（axis），第一個軸相當于是底層數組，第二個軸是底層數組里的數組。而軸的數量——秩，就是數組的維數。

很多時候可以聲明 axis。axis=0，表示沿著第 0 軸進行操作，即對每一列進行操作；axis=1，表示沿著第1軸進行操作，即對每一行進行操作。

NumPy 的數組中比較重要 ndarray 對象屬性有：

屬性說明

ndarray.ndim	秩，即軸的數量或維度的數量
ndarray.shape	數組的維度，對于矩陣，n行m列
ndarray.size	數組元素的總個數，相當于.shape中的 n * m的值
ndarray.dtype	ndarray對象的元素類型
ndarray.itemsize	ndarray對象中每個元素的大小，以字節為單位
ndarray.flags	ndarray對象的內存信息
ndarray.real	ndarray元素的實部
ndarray.imag	ndarray元素的虛部
ndarray.data	包含實際數組元素的緩沖區，由于一般通過數組的索引獲取元素，所以通常不需要使用這個屬性。

ndarray.ndim

ndarray.ndim用于返回數組的維數，等于秩。

import numpy as npa = np.arange(24) print(a) print("-----------") print(a.ndim) # a 現只有一個維度 print("-----------") #現在調整其大小 b = a.reshape(2,4,3) # b現在擁有三個維度 print(b) print("----------") print(b.ndim)

輸出結果：

[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23] ----------- 1 ----------- [[[ 0 1 2][ 3 4 5][ 6 7 8][ 9 10 11]][[12 13 14][15 16 17][18 19 20][21 22 23]]] ---------- 3

ndarray.shape

ndarray.shape 表示數組的維度，返回一個元組，這個元組的長度就是維度的數目，即 ndim 屬性(秩)。比如，一個二維數組，其維度表示"行數"和"列數"。

ndarray.shape 也可以用于調整數組大小。

import numpy as npa = np.array([[1,2,3],[4,5,6]]) print(a.shape)

輸出結果為：

(2, 3)

調整數組大小

import numpy as npa = np.array([[1,2,3],[4,5,6]]) a.shape = (2,3) print(a)

輸出結果：

[[1 2 3][4 5 6]]

NumPy也提供了reshape函數來調整數組大小

import numpy as npa = np.array([[1,2,3],[4,5,6]]) b = a.reshape(3,2) print(b)

輸出結果為：

[[1 2][3 4][5 6]]

ndarray.itemsize

ndarray.itemsize 以字節的形式返回數組中每一個元素的大小。

例如，一個元素類型為 float64 的數組 itemsiz 屬性值為 8(float64 占用 64 個 bits，每個字節長度為 8，所以 64/8，占用 8 個字節），又如，一個元素類型為 complex32 的數組 item 屬性為 4（32/8）。

import numpy as np# 數組的 dtype 為 int8（一個字節） x = np.array([1, 2, 3, 4, 5], dtype=np.int8) print(x.itemsize)# 數組的 dtype 現在為 float64（八個字節） y = np.array([1, 2, 3, 4, 5], dtype=np.float64) print(y.itemsize)

輸出結果為：

1 8

ndarray.flags

ndarray.flags 返回 ndarray 對象的內存信息，包含以下屬性：

屬性描述

C_CONTIGUOUS ?	數據是在一個單一的C風格的連續段中
F_CONTIGUOUS (F)	數據是在一個單一的Fortran風格的連續段中
OWNDATA (O)	數組擁有它所使用的內存或從另一個對象中借用它
WRITEABLE (W)	數據區域可以被寫入，將該值設置為 False，則數據為只讀
ALIGNED (A)	數據和所有元素都適當地對齊到硬件上
UPDATEIFCOPY (U)	這個數組是其它數組的一個副本，當這個數組被釋放時，原數組的內容將被更新

實例：

import numpy as npx = np.array([1,2,3,4,5]) print(x.flags)

輸出結果為：

C_CONTIGUOUS : TrueF_CONTIGUOUS : TrueOWNDATA : TrueWRITEABLE : TrueALIGNED : TrueWRITEBACKIFCOPY : FalseUPDATEIFCOPY : False 與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的B02_NumPy数据属性（ndarray.ndim，ndarray.shape，ndarray.itemsize，ndarray.flags）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。