Numpy 数组属性 (二)

Numpy 数组

NumPy数组是一个多维数组对象，称为ndarray。其由两部分组成：

1.） 实际的数据

2.）描述这些数据的元数据

大部分操作仅针对于元数据，而不改变底层实际的数据。

注意： 数组下标从0开始。同一个NumPy 数组中所有元素的类型必须是相同的。

NumPy数组的秩与轴

NumPy数组的维数称为秩（rank），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（axes），秩其实是描述轴的数量。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（axes），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。

NumPy 数组 ndarray对象属性：

1.）   ndarray.ndim：数组的维数（即数组轴的个数），等于秩。最常见的为二维数组（矩阵）。

2.）  ndarray.shape：数组的维度。为一个表示数组在每个维度上大小的整数元组。例如二维数组中，表示数组的“行数”和“列数”。ndarray.shape返回一个元组，这个元组的长度就是维度的数目，即ndim属性。

3.）  ndarray.size：数组元素的总个数，等于shape属性中元组元素的乘积。

4.）  ndarray.dtype：表示数组中元素类型的对象，可使用标准的Python类型创建或指定dtype。另外也可使用前一篇文章中介绍的NumPy提供的数据类型。

5.） ndarray.dtype：表示数组中元素类型的对象，可使用标准的Pythonndarray.itemsize：数组中每个元素的字节大小。例如，一个元素类型为float64的数组itemsiz属性值为8(float64占用64个bits，每个字节长度为8，所以64/8，占用8个字节），又如，一个元素类型为complex32的数组item属性为4（32/8）。型创建或指定dtype。另外也可使用前一篇文章中介绍的NumPy提供的数据类型。

6.）   ndarray.data：包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性。

7.）   ndarray.arange :  arange函数类似于python的range函数，通过指定开始值、终值和步长来创建一维数组，注意数组不包括终值.

   示例： 

np.arange(1,2,0.1)   # 1 -- 起始值，2 -- 终止值， 0.1 -- 步长值（每个元素的增长点）
输出： array([ 1.   1.1  1.2  1.3  1.4  1.5  1.6  1.7  1.8  1.9])

8.)     ndarray.linspace  :  通过指定开始值、终值和元素个数来创建一维数组，可以通过endpoint关键字指定是否包括终值，缺省设置是包括终值.

     示例：

b = np.linspace(0, 1, 12) # 0 -- 开始值 1 -- 终止值  12 -- 元素个数
print b
输出： array([ 0.          0.09090909  0.18181818  0.27272727  0.36363636  0.45454545
  0.54545455  0.63636364  0.72727273  0.81818182  0.90909091  1.        ])

9.)     ndarray.logspace :   和linspace类似，不过它创建等比数列，下面的例子产生1(10^0)到100(10^2)、有20个元素的等比数列.