NumPy数组属性,本章节介绍 NumPy数组的一些基本属性。NumPy数组的维数称为秩(rank),一维数组的秩为 1,二维数组的秩为2,以此类推。
在 NumPy中,每一个线性的数组称为是一个轴(axis),也就是维度(dimensions)。比如说,二维数组相当于是两个一维数组,其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴(axis),第一个轴相当于是底层数组,第二个轴是底层数组里的数组。而轴的数量(秩),就是数组的维数。
很多时候可以声明 axis,axis=0,表示沿着第 0 轴进行操作,即对每一列进行操作;axis=1,表示沿着第1轴进行操作,即对每一行进行操作。
NumPy 的数组中比较重要的ndarray
对象属性有:
ndarray.shape
ndarray.shape查看矩阵或者数组的维数,返回一个包含数组维度的元组,这个元组的长度就是维度的数目,即 ndim 属性(秩)
一个二维数组,a.shape[0]表示行数
,a.shape[1]表示列数
。
它也可以用于调整数组大小。
示例 1:
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
print (a.shape)
print (a.shape[0])
print (a.shape[1])
输出如下:
(2, 3)
2
3
示例 2:如果数组为一个单独的值,返回值为空。
import numpy as np
a = np.array(3)
print (a.shape)
输出如下:
()
示例 3: 调整数组大小
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
a.shape = (3,2)
print (a)
输出如下:
[[1, 2]
[3, 4]
[5, 6]]
示例 4:NumPy 也提供了reshape
函数来调整数组大小。
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
b = a.reshape(3,2)
print (b)
输出如下:
[[1, 2]
[3, 4]
[5, 6]]
ndarray.ndim
ndarray.ndim这一数组属性返回数组的维数(dim是英文dimension维度的缩写)。
比如:一维数组的ndim值为1, 二维数组的ndim值为2,以此类推
示例 1:等间隔数字的数组
import numpy as np
a = np.arange(24)
print (a)
输出如下:
[0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
示例 2:
import numpy as np
# a 为一维数组
a = np.arange(24)
# b 为三维数组
b = a.reshape(2,4,3)
print (b)
print (a.ndim)
print (b.ndim)
输出如下:
[[[ 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
3
numpy.itemsize
numpy.itemsize返回数组中每个元素的字节大小。
例如,一个元素类型为float64的数组itemsize属性值为8(float64占用64个bits,每个字节长度为8,所以64/8,占用8个字节)
例如,一个元素类型为complex32的数组itemsize属性为4(32/8)。
示例 1:数组的 dtype 为 int8
(一个字节)
import numpy as np
x = np.array([1,2,3,4,5], dtype = np.int8)
print (x.itemsize)
输出如下:
1
示例 2:数组的 dtype 为 float32
(四个字节)
import numpy as np
x = np.array([1,2,3,4,5], dtype = np.float32)
print (x.itemsize)
输出如下:
4
numpy.flags
ndarray.flags 返回 ndarray 对象的内存信息,包含以下属性:
属性 | 描述 |
---|---|
C_CONTIGUOUS (C) | 数据是在一个单一的C风格的连续段中 |
F_CONTIGUOUS (F) | 数据是在一个单一的Fortran风格的连续段中 |
OWNDATA (O) | 数组拥有它所使用的内存或从另一个对象中借用它 |
WRITEABLE (W) | 数据区域可以被写入,将该值设置为 False,则数据为只读 |
ALIGNED (A) | 数据和所有元素都适当地对齐到硬件上 |
UPDATEIFCOPY (U) | 这个数组是其它数组的一个副本,当这个数组被释放时,原数组的内容将被更新 |
WRITEBACKIFCOPY | 这个数组是另一数组的副本,当C-API函数PyArray_ResolveWritebackIfCopy调用时, 源数组会由这个数组中的元素更新 |
下面的例子展示当前的标志。
import numpy as np
x = np.array([1,2,3,4,5])
print (x.flags)
输出如下:
C_CONTIGUOUS : True
F_CONTIGUOUS : True
OWNDATA : True
WRITEABLE : True
ALIGNED : True
WRITEBACKIFCOPY : False
UPDATEIFCOPY : False