9 NumPy基本操作之数组属性

在上一章中，我们探讨了 NumPy 数组的索引与切片，学习了如何从数组中提取部分数据。在本章中，我们将深入了解 NumPy 数组的各种属性，这对我们理解和操作数组至关重要。

NumPy 数组的基本属性

NumPy 数组（ndarray）有多个重要的属性，这些属性可以帮助我们了解数组的基本特征。以下是常用的数组属性：

1. ndim: 数组的维数（即轴的数量）。
2. shape: 数组的维度大小。返回一个元组，表示每个维度的大小。
3. size: 数组中的元素总数。
4. dtype: 数组中元素的类型。
5. itemsize: 数组中每个元素所占的字节数。
6. nbytes: 数组占用的总字节数。

我们通过一个示例来具体了解这些属性。

实例: 创建一个 NumPy 数组

首先，我们需要加载 NumPy 库并创建一个数组。

import numpy as np

# 创建一个 2x3 的数组
array = np.array([[1, 2, 3], [4, 5, 6]])

利用属性观察数组特性

接下来，我们可以使用上面提到的属性来观察 array 的特性。

print("ndim:", array.ndim)         # 输出维数
print("shape:", array.shape)       # 输出维度大小
print("size:", array.size)         # 输出元素总数
print("dtype:", array.dtype)       # 输出元素类型
print("itemsize:", array.itemsize) # 输出每个元素的字节数
print("nbytes:", array.nbytes)     # 输出数组占用的总字节数

输出解释

• ndim：对于 array，输出为 2，表示这是一个二维数组。
• shape：输出为 (2, 3)，表示该数组有 2 行 3 列。
• size：输出为 6，表示数组总共有 6 个元素。
• dtype：输出通常为 int64，表示数组元素是整数类型。
• itemsize：对于 int64 类型，输出为 8，表明每个元素占用 8 字节。
• nbytes：输出为 48，因为总共有 6 个元素，每个元素 8 字节，总共 48 字节。

总结

在本章中，我们详细介绍了 NumPy 数组的基本属性，通过示例展示了如何使用这些属性获取数组的基本信息。这些信息对于数据处理和分析非常重要，让我们可以更好地操作和理解数据。

在下一章，我们将探讨 NumPy 数组的组成部分，专注于一维数组，学习如何创建和操作一维数组。通过这些内容，我们将能够进一步深化对 NumPy 的理解和应用。