NumPy 的 ndarray 对象

NumPy 的 ndarray 是一个（通常是固定大小）由相同类型和大小的数据组成的多维容器。数组中的维数和项数由其形状定义，形状是由 N 个非负整数组成的元组，指定每个维数的大小。数组中的项类型由单独的数据类型对象（dtype）指定，与每个 ndarray 关联。

视图 view

与 Python 中的其他容器对象一样，可以通过对数组进行索引或切片（例如，使用 N 个整数）并通过 ndarray 的方法和属性来访问和修改 ndarray 的内容。

不同的 ndarray 可以共享相同的数据，因此在一个 ndarray 中所做的更改可能在另一个中可见。也就是说，一个 ndarray 可以是另一个 ndarray 的“视图”（view），并且它所引用的数据由“基础”（base） ndarray 处理。 ndarrays 也可以是实现缓冲区或数组接口的 Python 字符串或对象所拥有的内存的视图。

案例

一个大小为 2 x 3 的二维数组，由 4 个字节的整数元素组成：

x = np.array([[1, 2, 3], [4, 5, 6]], np.int32)
type(x)
# <class 'numpy.ndarray'>
x.shape
# (2, 3)
x.dtype
# dtype('int32')

可以使用类似 Python 容器的语法为数组索引：

# 第二行第三列x的元素，即 6
x[1, 2]
# 6

切片可以产生数组的视图：

y = x[:,1]
y
# array([2, 5])
y[0] = 9 # 改变 x 中相应的元素
y
# array([9, 5])
x
'''
array([[1, 9, 3],
       [4, 5, 6]])
'''

以下是一个简单的创建：

import numpy as np

# 创建15个元素的数组，形状修改成 3 行 5 列
a = np.arange(15).reshape(3, 5)
a
'''
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])
'''
a.shape # 形状
# (3, 5)
a.ndim # 维数
# 2
a.dtype.name # 类型名
# 'int64'
a.itemsize # 一个数组元素的字节总长度（和类型也相关）
# 8
a.size # 大小，元素数
# 15
type(a)
# <class 'numpy.ndarray'>
b = np.array([6, 7, 8])
b
# array([6, 7, 8])
type(b)
# <class 'numpy.ndarray'>

数据结构

我们先了解一下 ndarray 结构，NumPy 支持一维到多维的数据结构：

例如，在 3D 空间点 [1、2、1] 中的的坐标只有一个轴。 该轴上有 3 个元素，所以我们说它的长度为 3。在下图所示的示例中，数组有2个轴。 第一轴的长度为2，第二轴的长度为 3。

'''
[[ 1., 0., 0.],
 [ 0., 1., 2.]]
'''

构造

数组对象表示固定大小项目的多维同构数组。 关联的数据类型对象描述了数组中每个元素的格式（其字节顺序，它在内存中占用多少字节，它是整数，浮点数还是其他，等等）。

语法结构如下：

numpy.ndarray(shape, dtype=float,
              buffer=None, offset=0,
              strides=None, order=None)

Arrays 可使用 array, zeros 或者 empty 构造（请参阅下面的另请参见部分）。 此处给出的参数指的是用于实例化数组的低级方法（low-level method ） (ndarray(…))。

构造参数

用 __new__ 方法构建的参数：

• shape: tuple of ints
  创建的数组的形状

• dtype: data-type, optional
  可被解释为 numpy 数据类型的任何对象

• buffer: object exposing buffer interface, optional
  用于用数据填充数组

• offset: int, optional
  缓冲区中数组数据的偏移量

• strides: tuple of ints, optional
  内存中数据的跨步（Strides）

• order: {‘C’, ‘F’}, optional
  行优先（C 样式）或列优先（Fortran 样式）顺序

注意事项

使用 __new__ 创建数组的方式有两种：

• 如果 buffer 为 None，则仅使用 shape，dtype 和 order
• 如果 buffer 是暴露 buffer 接口的对象，则将解释所有关键字

不需要 __init__ 方法，因为数组是在 __new__ 方法之后完全初始化的。

例子

这些示例说明了低级（low-level） ndarray 构造函数。 有关构造 ndarray 的简便方法，使用：

• array：构造一个数组。
• zeros：创建一个数组，每个元素为零。
• empty：创建一个数组，但保持其分配的内存不变（即，它包含“垃圾”）。
• dtype：创建数据类型。

第一种模式, buffer 为 None:

np.ndarray(shape=(2,2), dtype=float, order='F')
'''
array([[0.0e+000, 0.0e+000], # random
       [     nan, 2.5e-323]])
'''

第二种模式:

np.ndarray((2,), buffer=np.array([1,2,3]),
           offset=np.int_().itemsize,
           dtype=int) # offset = 1*itemsize, i.e. skip first element
# array([2, 3])

属性

ndarray 对象有以下属性：

方法

ndarray 对象有以下方法：

这些方法的使用我们后边都会有相应的介绍。

参考

• https://numpy.org/doc/stable/reference/generated/numpy.ndarray.html

更新时间：Jan. 8, 2021, 8:26 a.m. 标签：numpy array