NumPy数组属性 NumPy数据类型 NumPy数组创建例程 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。 例1 import numpy as np a = np.array([[1,2,3],[4,5,6]]) print a.shape 输出如下 - (2, 3) 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]] 例3 NumPy还提供了一个调整数组大小的整形功能。 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 该数组属性返回数组维数。 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] 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 这个数组属性以字节为单位返回数组中每个元素的长度。 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 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。它的当前值由这个函数返回。 Sr.No. 属性和描述 1 C_CONTIGUOUS(C) 数据在一个单一的,C风格的连续段 2 F_CONTIGUOUS(F) 这些数据位于一个Fortran风格的连续分段中 3 OWNDATA(O) 数组拥有它使用的内存或从另一个对象中借用内存 4 WRITEABLE (W) 数据区可以写入。将其设置为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。当这个数组被解除分配时,基数组将被更新为这个数组的内容 例 以下示例显示标志的当前值。 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 NumPy数据类型 NumPy数组创建例程