Numpy学习代码集（二）——数组的属性

最新推荐文章于 2024-07-22 17:49:29 发布

xintao_dashen

最新推荐文章于 2024-07-22 17:49:29 发布

阅读量185

点赞数

CC 4.0 BY-SA版权

分类专栏： Numpy学习文章标签： Numpy学习

本文链接：https://blog.youkuaiyun.com/qq_37898146/article/details/84797137

Numpy学习专栏收录该内容

2 篇文章

订阅专栏

本文详细介绍了NumPy数组的各种属性，包括ndim、size、itemsize、nbytes、T、flat以及如何使用这些属性了解数组的维度、元素数量、内存占用、转置和平铺等。同时，还讲解了如何通过tolist()和astype()方法转换数组。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数组的属性

除了shape和dtype属性以外，ndarray对象还有很多其他的属性，在下面一一列出。
 ndim属性，给出数组的维数，或数组轴的个数：

In: b  
Out: array([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10,11],         [12,13,14,15,16,17,18,19,20,21,22,23]]) 

In: b.ndim  
Out: 2			# size属性，给出数组元素的总个数，如下所示：  
In: b.size  
Out: 24 		# itemsize属性，给出数组中的元素在内存中所占的字节数： 
In: b.itemsize  
Out: 8

 如果你想知道整个数组所占的存储空间，可以用nbytes属性来查看。这个属性的值其实就是itemsize和size属性值的乘积：

In: b.nbytes 
Out: 192 
In: b.size * b.itemsize  
Out: 192

T属性的效果和transpose函数一样，如下所示：

In: b.resize(6,4) 
In: b                         
Out:     array([[ 0, 1, 2, 3],                [ 4, 5, 6, 7],                [ 8, 9,10,11],                [12,13,14,15],                [16,17,18,19],                [20,21,22,23]])     

In: b.T       
Out:    array([[ 0, 4, 8, 12,16, 20],        [ 1, 5, 9, 13,17, 21],        [ 2, 6,10, 14,18, 22],        [ 3, 7,11, 15,19, 23]])

flat属性将返回一个numpy.flatiter对象，这是获得flatiter对象的唯一方式——我们无法访问flatiter的构造函数。这个所谓的“扁平迭代器”可以让我们像遍历一维数组一样去遍历任意的多维数组，如下所示：
图

数组的转换

(1) 转换成列表：

In: b 
Out: array([ 1.+1.j, 3.+2.j]) 

In: b.tolist() 
Out: [(1+1j), (3+2j)] (2)

astype函数可以在转换数组时指定数据类型：

In: b 
Out: array([ 1.+1.j, 3.+2.j])  

In: b.astype(int) 
/usr/local/bin/ipython:1: ComplexWarning: Casting complex values to real discards the imaginary part   
#!/usr/bin/python  
Out: array([1, 3])