极客教程NumPy Ndarray 对象
NumPy 中定义的最重要的对象是一个被称为 ndarray 的 N 维数组类型。它描述了一组相同类型的项目。可以使用零为基础的索引来访问集合中的项目。
ndarray 中的每个项目在内存中占用相同大小的块。ndarray 中的每个元素都是一个数据类型对象的对象（称为 dtype ）。
通过切片从 ndarray 对象中提取的任何项目都由一个数组标量类型的 Python 对象表示。以下图表显示了 ndarray、数据类型对象（dtype）和数组标量类型之间的关系。
ndarray类的一个实例可以通过教程中稍后描述的不同的数组创建例程来构建。使用NumPy中的数组函数创建基本的ndarray如下所示−
numpy.array
从任何暴露数组界面的对象或者从返回数组的任何方法中创建一个ndarray。
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
上述构造函数接受以下参数 −
| 序号 | 参数及描述 |
|---|---|
| 1 | object 任何实现数组接口方法并返回数组的对象，或任何（嵌套的）序列 |
| 2 | dtype 数组的期望数据类型，可选 |
| 3 | copy 可选。默认情况下（true），对象会被复制 |
| 4 | order C（行主序）或 F（列主序）或 A（任意）（默认值） |
| 5 | subok 默认情况下，返回的数组被强制转换为基类数组。如果为true，则传递子类 |
| 6 | ndmin 指定结果数组的最小维数 |
仔细看一下以下示例，以更好地理解。
示例1
import numpy as np
a = np.array([1,2,3])
print a
输出的结果如下：
[1, 2, 3]
示例2
# more than one dimensions
import numpy as np
a = np.array([[1, 2], [3, 4]])
print a
输出结果如下 –
[[1, 2]
[3, 4]]
示例3
# minimum dimensions
import numpy as np
a = np.array([1, 2, 3,4,5], ndmin = 2)
print a
输出结果如下：
[[1, 2, 3, 4, 5]]
示例4
# dtype parameter
import numpy as np
a = np.array([1, 2, 3], dtype = complex)
print a
输出如下：
[ 1.+0.j, 2.+0.j, 3.+0.j]
ndarray 对象由计算机内存中的一个连续的一维段组成，结合一个索引方案，将每个项目映射到内存块中的位置。内存块按行主序（C风格）或列主序（FORTRAN或MatLab风格）存储元素。