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。

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

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