NumPy - 数组属性

在本章中,我们将讨论 NumPy 的各种数组属性。


ndarray.shape

这个数组属性返回一个由数组维度组成的元组。 它也可以用来调整数组的大小。

示例 1

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

输出结果如下 −

(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 

输出结果如下 −

[[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

输出结果如下 −

[[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

输出结果如下 −

[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

输出结果如下 −

[[[ 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

此数组属性返回数组中每个元素的长度(以字节为单位)。

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

输出结果如下 −

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

输出结果如下 −

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 & 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 风格的连续段中

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 会锁定数据,使其成为只读

5

ALIGNED (A)

数据和所有元素都针对硬件适当对齐

6

UPDATEIFCOPY (U)

这个数组是其他数组的副本。 当这个数组被释放时,基数组将用这个数组的内容更新

示例

以下示例显示 flags 的当前值。

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

输出结果如下 −

C_CONTIGUOUS : True 
F_CONTIGUOUS : True 
OWNDATA : True 
WRITEABLE : True 
ALIGNED : True 
UPDATEIFCOPY : False