「这是我参与2022首次更文挑战的第18天，活动详情查看：2022首次更文挑战」
前言
Python numpy 模块中最核心的是ndarray 对象。 ndarray 对象有如下几个特点：
- ndarray 要求元素数据类型都是同类型的，并且每个元素占用相同大小的内存块。
- ndarray 存储的数据在计算机底层硬盘内存中是连续的一段存储空间
ndarray 包含两部分：
- metdata ：存放数组类型dtype、数组维度ndim、维度数量shape、维间距strides等
- raw data：存放原始数据data
通常情况，raw data存储数据的内存与运行的Python的计算机的字节顺序不同。
因此，ndarray 数组中数据存储地址会发生变化，因此本期会涉及numpy 新概念字节交换。
1. 字节序列模式
-
什么是字节交换？
众所周知，在所有计算器内存中，对于多字节对象都是以连续的字节序列进行存储的。
字节排序是一个对象，为darray内存中的数据提供Python数组接口。
字节排序存在跨越多字节的程序对象的存储规则，主要分为大端模式和小端模式。
-
大端模式：
-
大端模式英文名称为Big-Endian
-
把高位字节排放在低地址端，低位字节放在高地址端
-
大端模式符合人阅读习惯，从低到高进行排列
-
-
小端模式：
-
小端模式英文名为Little-Endian
-
把低位字节排放到内存地址低地址端，高位字节放在内存高地址端
-
-
大小端模式优势：
- 大端模式： 对符号位的固定为第一个字节，易判断正负
- 小端模式: 强制转换数据，不需要调整的字节内容。
2. 更改字节顺序
对于 numpy 数组的字节顺序与其底层的内存之前关系存在两种：
- arr.newbyteorder() 可以更改数组dtype中的字节顺序信息，以便将基础数据解释为不同的字节顺序。
- arr.byteswap() 更改基础数据的字节顺序，保持dtype 解释不变
目前更改numpy 数组字节顺序通常有三种情况：
- 当数据与dtype 字节序列不匹配，需更改dtype 匹配数据
- 当数据与dtype 字节序列不匹配，需要更改数据得以匹配dtype
- 当数据与dtype 字节序匹配,期望交换数据与dtype
总结
本期，对numpy模块中对于数组内部存储，字节序列两种规则大端模式和小端模式进行学习。
大小端规则，常见于电脑内部系统存储方式，通常IBM、Sun系统是以大端模式存储，X86、DEC CPU系统是采用小端模式。
以上是本期内容，欢迎大佬们点赞评论，下期见~
