理解ndarray的几个重要属性

理解ndarray的几个重要属性

NumPy的ndarray（N-dimensional array，n维数组）是 NumPy 库中最核心的数据结构，用于高效地存储和操作同类型、固定大小的多维数组。
在学习NumPy前，可以先回顾多维数组、线性代数，用NumPy进行验证。

ndarray.ndim

数组的维度（轴数），这是一个整数。

import numpy as np# 一维数组
a1 = np.array([1, 2])
print(a1.ndim) # 1
# 二维数组
a2 = np.array([[11,12],[21,22]])
print(a2.ndim) # 2
# 三维数组
a3 = np.array([[[111,112],[121,122]],[[211,212],[221,222]]])
print(a3.ndim) # 3

ndarray.shape

数组在每个维度上的大小，这是一个整数元组。

n1 = np.array([1, 2, 3])
print(n1.shape) # (3,)
n2 = np.array([[1,2,3],[4,5,6]])
print(n2.shape) # (2, 3)
n3 = np.array([[[1,2],[3,4]],[[5,6],[7,8]]])
print(n3.shape) # (2, 2, 2)

元组的长度就是轴的数量ndim

ndarray.size

数组元素的总个数。这是一个整数，等于shape中元素的乘积。

a = np.array([[1, 2, 3],[4, 5, 6]])
print(a.shape)  # (2, 3)
print(a.size)  # 6 （2×3=6）

ndarray.dtype

数组中元素的数据类型。这是一个 numpy.dtype对象

a = np.array([1, 2, 3], dtype=np.int32)
print(a.dtype)  # 输出: int32

关于数据类型不再赘述。

ndarray.itemsize

数组中每个元素的字节大小。这是一个整数，有dtype决定

a = np.array([1, 2, 3], dtype=np.int32)
print(a.itemsize)  # 输出: 4 （int32 占用4字节）b = np.array([1, 2, 3], dtype=np.float64)
print(b.itemsize)  # 输出: 8 （float64 占用8字节）

ndarray.data

指向数组实际数据存储的缓冲区。通常，不需要使用这个属性。

print(a.data) # <memory at 0x000001500D88EF80>