NumPy：ndarray 数组属性
在使用 NumPy 进行科学计算或数据分析时，数组对象不仅存储数据本身，还包含描述数组结构与内存布局的信息，这些信息被称为数组属性（array attributes）。
通过这些属性，我们可以了解数组的维度结构、元素数量、数据类型以及内存占用情况，从而更好地理解数组的内部结构与计算行为。
NumPy 的数组属性主要通过 ndarray 对象的属性（attributes）提供访问接口。与函数不同，这些属性通常不需要调用，而是直接读取。
例如：
arr.shapearr.dtype按照功能划分，NumPy 的数组属性通常可以分为四类：
（1）结构属性
（2）类型属性
（3）大小与内存属性
（4）底层布局属性
一、结构属性
结构属性用于描述数组的维度结构与形状信息。
shape
返回数组在每个维度上的长度（元组）。
ndarray.shape示例：
import numpy as np a = np.array([[1,2,3], [4,5,6]]) print(a.shape)输出：
(2, 3)表明这是一个 2 行 3 列的矩阵。
ndim
返回数组的维度数（整数）。
ndarray.ndim示例：
a = np.array([[1,2,3], [4,5,6]]) print(a.ndim)输出：
2表明该数组是二维数组。
size
返回数组中包含的元素总数（整数）。
ndarray.size示例：
a = np.array([[1,2,3], [4,5,6]]) print(a.size)输出：
6说明：元素数量 = 所有维度长度的乘积。
二、类型属性
类型属性用于描述数组中元素的数据类型。
dtype
返回数组元素的数据类型（NumPy 的 dtype 对象）。
ndarray.dtype示例：
a = np.array([1,2,3]) print(a.dtype)输出：
int64说明：
NumPy 使用统一的数据类型系统（dtype），不同于 Python 的动态对象类型。
详情请参阅：
《NumPy：dtype 数据类型》
itemsize
返回每个元素所占的字节数（整数）。
ndarray.itemsize示例：
a = np.array([1,2,3], dtype=np.int32) print(a.itemsize)输出：
4表明 int32 类型占用 4 字节。
三、大小与内存属性
这些属性用于描述数组整体的存储规模。
nbytes
返回数组元素所占的总字节数（整数）。
ndarray.nbytes示例：
a = np.array([1,2,3,4], dtype=np.int32) print(a.nbytes)输出：
16说明：nbytes = size × itemsize。
四、底层布局属性
NumPy 数组在内存中以字节序列的形式存储，并通过 stride 机制描述各维度的访问步长。某些数组（如切片或转置结果）在内存中可能并不是连续存储。
以下属性用于描述数组在内存中的布局方式。
strides
数组在各维度上的步长（stride）。返回一个元组，表示在每个维度上移动一个索引单位时需要跨越的字节数。
ndarray.strides示例：
a = np.array([[1,2,3], [4,5,6]]) print(a.strides)示例输出：
(24, 8)这表明：沿第 0 个维度（行方向）移动一个元素时，需要跨越 24 字节；沿第 1 个维度（列方向）移动一个元素时，需要跨越 8 字节。
T
返回数组的转置结果（transpose），通常返回一个视图而不是新的数据副本。
ndarray.T示例：
a = np.array([[1,2,3], [4,5,6]]) print(a.T)输出：
[[1 4] [2 5] [3 6]]说明：转置操作交换数组的行与列。
五、数组属性综合示例
示例：
import numpy as np a = np.array([[10,20,30], [40,50,60]], dtype=np.int32) print("shape:", a.shape)print("ndim:", a.ndim)print("size:", a.size)print("dtype:", a.dtype)print("itemsize:", a.itemsize)print("nbytes:", a.nbytes)print("strides:", a.strides)输出示例：
shape: (2, 3)ndim: 2size: 6dtype: int32itemsize: 4nbytes: 24strides: (12, 4)📘 小结
NumPy 数组对象提供了一组属性，用于描述数组的结构、类型以及内存布局。结构属性（shape、ndim、size）用于描述数组维度；类型属性（dtype、itemsize）用于说明元素类型；大小属性（nbytes）用于表示内存占用；底层属性（strides、T）反映数组在内存中的布局与视图关系。理解这些属性，有助于更深入地掌握 NumPy 数组的内部结构与计算机制。
“点赞有美意，赞赏是鼓励”