科学计算 神经网络 深度学习 Numpy 【4】属性

MSK

回顾之前的帖子，我们学会了：
创建数组
一维数组存取数据
多维数组存取数据
创建结构数组

不过，还有一些属性你应该知道~

属性

ndarray.ndim
在numpy中，数组的维度称为轴，轴的数量称为秩（rank）
.ndim属性返回一个数组的维度（轴）的个数

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

a是一个一维数组，a.ndim返回1，b是一个二维数组，b.ndim返回2


ndarray.shape

数组的维度，返回一个元组，表示每个维度数组的大小。
因此.shape元组的长度就是轴（维度，rank）的个数

>>> b.shape
2

因为shape返回的是每个维度数组的大小，长度等于维度个数所以通过修改shape属性来改变数组也很容易理解


乱入--ndarray.reshape()
reshape()的用法与shape差不多，只不过reshape返回一个新数组，不会对原数组进行更改

>>> b.shape = 6,-1
>>> b
array([[ 1,  2],
       [ 3,  4],
       [ 5,  6],
       [ 7,  8],
       [ 9, 10],
       [11, 12]])
>>> b.reshape(-1,6)
array([[ 1,  2,  3,  4,  5,  6],
       [ 7,  8,  9, 10, 11, 12]])
>>> b
array([[ 1,  2],
       [ 3,  4],
       [ 5,  6],
       [ 7,  8],
       [ 9, 10],
       [11, 12]])

ndarray.size
数组的元素个数

>>> b.size
12
>>> b
array([[ 1,  2,  3,  4,  5,  6],
       [ 7,  8,  9, 10, 11, 12]])

它的大小刚好等于shape元组各元素的乘积

>>> b.shape[0] * b.shape[1] == b.size
True

所以，通过shape你也可以计算出n维下的元素个数，比如三维数组中每个平面的元素个数 == shape[0] * shape[1]
有点像小学生算面积、体积了



ndarray.dtype


描述数组中元素类型的对象。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。例如numpy.int32、numpy.int16和numpy.float64。



ndarray.itemsize
数组中每个元素的字节大小。例如，元素为float64类型的数组的itemsize为8（=64/8），而complex32类型的数组的comitemsize为4（=32/8）。它等于ndarray.dtype.itemsize。

>>> b.dtype
dtype('int32')
>>> b.dtype.name
'int32'
>>> b.itemsize
4

ndarray.data
该缓冲区包含数组的实际元素。通常，我们不需要使用此属性，因为我们将使用索引访问数组中的元素。（了解就行~）

                               
登录/注册后可看大图

新手·ing

刚讲到这，，，

MSK

新手·ing 发表于 2017-7-20 12:00
刚讲到这，，，

我是从创建数组看着来

Surtees_CYX

大头目