Numpy的属性

一、ndarray

NumPy provides an N-dimensional array type, the ndarray, which describes a collection of “items” of the same type.

NumPy提供了一个N维数组类型ndarray，它描述了相同类型的“items”的集合。

​

1、特点

• 每个item都占用相同大小的内存块
• 每个item是由单独的数据类型对象指定的，除了基本类型（整数，浮点数 等）之外，数据类型对象还可以表示数据结构。

2、属性

数组属性反映了数组本身固有的信息。

​

首先创建一些数组，关于创建数组后详细介绍。

# 创建一个数组
>>> a = np.array([[1,2,3],[4,5,6]])
>>> b = np.array([1,2,3,4])
>>> c = np.array([[[1,2,3],[4,5,6]],[[1,2,3],[4,5,6]]])

打印出属性的值

# 类型，大小，字节数
>>> a.dtype # dtype('int64')
>>> a.size # 元素的个数 6
>>> a.nbytes # 总字节数 48
>>> a.itemsize # 一个元素的长度

# 形状比较
# 1维形状 (4,)
# 2维形状 (2,3)
# 3维形状 (2, 2, 3)
>>> a.shape
>>> b.shape
>>> c.shape

(2, 3)
(4,)
(2, 2, 3)

# 内存风格
# 默认C风格
>>> a.flags
C_CONTIGUOUS : True
F_CONTIGUOUS : False
OWNDATA : True
WRITEABLE : True
ALIGNED : True
WRITEBACKIFCOPY : False
UPDATEIFCOPY : False

3、数组的形状

从刚才打印的形状看到numpy数组的形状表示，那个形状怎么理解。我们可以通过图示的方式表示：

二维数组：

​三维数组：

​

4、数组的类型

>>> x = [[0, 1],
       [2, 3]]
>>> x
array([[0, 1],
       [2, 3]])
>>> x.dtype
dtype('int32')
>>> type(x.dtype)

dtype是numpy.dtype类型，先看看对于数组来说都有哪些类型

​

4.1创建数组的时候指定类型

>>> a = np.array([[1,2,3],[4,5,6]], dtype=np.float32)
>>> a.dtype
dtype('float32')

>>> arr = np.array(['python','tensorflow','scikit-learn','numpy'],dtype = np.string_)
>>> arr.dtype
array([b'python', b'tensorflow', b'scikit-learn', b'numpy'], dtype='|S12')

4.2拓展-自定义数据结构

通常对于numpy数组来说，存储的都是同一类型的数据。但其实也可以通过np.dtype实现 数据类型对象表示数据结构。

假设我们现在要存储若干个学生的姓名和身高，那么需要自己定义数据结构实现

拓展内容：

>>> mytype = np.dtype([('name', np.string_, 10), ('height', np.float64)]) >>> mytype dtype([('name', 'S10'), ('height', '>> arr = np.array([('Sarah', (8.0)), ('John', (6.0))], dtype=mytype) >>> arr array([(b'Sarah', 8.), (b'John', 6.)], dtype=[('name', 'S10'), ('height', '>> arr[0]['name']

对于存储复杂关系的数据，我们其实会选择Pandas更加方便的工具，后面我们详细介绍！