阅读 133

numpy系列之数组的基本属性

numpy数组的基本属性主要包括数组的形状、大小、类型和维度

1.数组的形状

数组的形状就是指这个数组有几行几列数据,直接调用数组的shape属性就可以看到,例子如下所示。对应到n*m矩阵,就是n行m列

import numpy as np
​
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr)
复制代码

result:

[[1 2 3] [4 5 6] [7 8 9]]

print(arr.shape)
复制代码

result:

(3, 3)
复制代码

2.数组的大小

数组的大小就是指这个数组有中总共有多少个元素,直接调用数组的size属性就可以看到,例子如下所示。对应到nm矩阵,就是nm

import numpy as np
​
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr)
复制代码

result:

[[1 2 3] [4 5 6] [7 8 9]]

print(arr.size)
复制代码

result:

9
复制代码

3.数组的类型

数组的类型就是指构成这个数组的元素都是什么类型,直接调用数组的dtype属性就可以看到,例子如下所示。

import numpy as np
​
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr)
复制代码

result:

[[1 2 3] [4 5 6] [7 8 9]]

print(arr.dtype)
复制代码

result:

int32
复制代码

4.数组的维度

数组的维度就是指数组是几维空间的,几维空间就对应数组是几维数组。直接调用数组的ndim属性就可以看到,例子如下所示。对应到n*m矩阵,就是矩阵的秩。秩就是轴的数量,即数组的维度,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。

import numpy as np
​
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr)
复制代码

result:

[[1 2 3] [4 5 6] [7 8 9]]

print(arr.ndim)
复制代码

result:

2
复制代码

5.numpy中的数据类型

数组的类型主要是指构成这个数组的元素都是什么类型。 numpy中的数据类型主要有以下5种,如下表所示。

类型说明
int整数
float浮点数
objectpython对象类型
string_字符串类型,经常用S表示,S10表示长度为10的字符串
Unicode_固定长度的Unicode类型,跟字符串定义方式一样,经常用U表示
文章分类
后端