NumPy 数组属性
在本章中,我们将讨论 NumPy 的各种数组属性。
ndarray.shape
此数组属性返回一个由数组维度组成的元组。它还可用于调整数组的大小。
示例 1
import numpy as np a = np.array([[1,2,3],[4,5,6]]) print a.shape
输出如下:
(2, 3)
示例 2
# this resizes the ndarray 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 3
NumPy 还提供了一个 reshape 函数来调整数组的大小。
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
此数组属性返回数组维数。
示例 1
# an array of evenly spaced numbers 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
# this is one dimensional array import numpy as np a = np.arange(24) a.ndim # now reshape it b = a.reshape(2,4,3) print b # b is having three dimensions
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]]]
numpy.itemsize
此数组属性以字节为单位返回数组中每个元素的长度。
示例 1
# dtype of array is int8 (1 byte) 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
# dtype of array is now float32 (4 bytes) 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 对象具有以下属性,它的当前值由此函数返回。
序号. | 属性和描述 |
---|---|
1 | C_CONTIGUOUS (C) 数据位于单个 C 风格的连续段中 |
2 | F_CONTIGUOUS (F) 数据位于单个 Fortran 样式的连续段中 |
3 | OWNDATA (O) 数组拥有它使用的内存或从另一个对象借用它 |
4 | WRITEABLE (W) 可以写入数据区。将此设置为 False 锁定数据,使其成为只读 |
5 | ALIGNED (A) 数据和所有元素都针对硬件进行了适当的对齐 |
6 | UPDATEIFCOPY (U) 这个数组是其他数组的副本。当这个数组被释放时,基础数组将被这个数组的内容更新 |
以下示例显示了标志的当前值。
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 UPDATEIFCOPY : False