NumPy 的 Array 的基础信息

说明

NumPy 教程持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

NumPy 的主要对象是同构的多维数组，它像很多元素（通常由数字）组成的表格，它们的数据类型相同，在不同方向上可以用非负的数字来索引它们，这些方向我们称为轴（axes）。

概览

Array 的基础信息有以下几个：

信息	方法	说明
维数	ndarray.ndim	数组的轴（维度）数
形状	ndarray.shape	数组尺寸、规格一个整数元组，表示每个维度中数组的大小
大小	ndarray.size	数组元素的总数
类型	ndarray.dtype	描述数组中元素的类型

示例如下：

arr = np.array([(1,2), (3,4)])
arr
'''
array([[1, 2],
       [3, 4]])
'''

arr.ndim # 2 维数
arr.shape # (2, 2) 形状
arr.size # 4 大小
arr.dtype # dtype('int64') 类型

array 的信息

NumPy 的数组类称为 ndarray，简称为 array。请注意，numpy.array 与标准 Python 库类 array.array 不同，后者仅处理一维数组且功能较少。

ndarray 对象包含以下信息：

维数 ndarray.ndim

数组的轴（维度）数。以下就是一个三维数据：

a = np.arange(1, 9).reshape(2, 2, 2)
a
'''
[[[1 2]
  [3 4]]

 [[5 6]
  [7 8]]]
'''
a.ndim
# 3

形状 ndarray.shape

数组尺寸、规格，这是一个整数元组，指示每个维度中数组的大小。对于具有 n 行和 m 列的矩阵，形状将为（n，m），因此，形状元组的长度为轴数、维数。

上例的三维数据形成就是一个三个元素的元组，有三条轴：

a.shape
# (2, 2, 2)

大小 ndarray.size

数组元素的总数。这等于形状元素的乘积。

a.size
# 8
a.shape
# (2, 2, 2)
2*2*2
# 8

类型 ndarray.dtype

描述数组中元素的类型, 可以使用标准 Python 类型创建或指定 dtype。另外，NumPy 提供了自己的类型，如 numpy.int32，numpy.int16 和 numpy.float64 等。

a.dtype
# dtype('int64')

教程后续会有专门介绍 NumPy 的数据类型。

字节大小 ndarray.itemsize

数组中每个元素以字节为单位的大小，例如，float64 类型的元素数组的项目大小为8（= 64/8），而complex32 类型的元素数组的项目大小为 4（= 32/8）。

x = np.array([1,2,3], dtype=np.float64)
x.itemsize
# 8
x = np.array([1,2,3], dtype=np.complex128)
x.itemsize
# 16

它等效于 ndarray.dtype.itemsize。

ndarray.data

包含数组实际元素的缓冲区，指向数组数据开头的 Python 缓冲区对象。通常，我们不需要使用此属性，因为我们将使用索引工具访问数组中的元素。

a.data
# <memory at 0x7fadecd7b7c0>

了解以上数据的基础信息，将有助于我们后续更加深入的学习。

< ndarray 对象介绍 NumPy 教程 ndarray 的类型转换 >

更新时间：June 24, 2022, 3:32 p.m. 标签：numpy 数组