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)

result:

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

print(arr.shape)

result:

(3, 3)

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)

result:

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

print(arr.size)

result:

9

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)

result:

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

print(arr.dtype)

result:

int32

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)

result:

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

print(arr.ndim)

result:

2

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
object	python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