numpy学习3：对象属性和基本数据类型

一、ndarray对象属性

ndim 数组轴(维度)的个数，轴的个数被称作秩

shape 数组的维度, 例如一个2排3列的矩阵，它的shape属性将是(2,3),这个元组的长度显然是秩，即维度或者ndim属性

size 数组元素的总个数，等于shape属性中元组元素的乘积。

dtype一个用来描述数组中元素类型的对象，可以通过创造或指定dtype使用标准Python类型。不过NumPy提供它自己的数据类型。

itemsize 数组中每个元素的字节大小。例如，一个元素类型为float64的数组itemsiz属性值为8(=64/8),又如，一个元素类型为complex32的数组item属性为4(=32/8).

a = np.array([[1,2,3],[4,5,6]])
print("维度的数量：",a.ndim)
print("数组元素类型：",a.dtype)
print("数组的元素个数：",a.size)
print("数组的形状：",a.shape)
print("数组中每个元素的字节大小：",a.itemsize)

输出：
维度的数量： 2
数组元素类型： int32
数组的元素个数： 6
数组的形状： (2, 3)
数组中每个元素的字节大小： 4

二、numpy中的基本数据类型

下面的这两张图是所有的数据类型：

创建numpy数组的时候可以通过属性 dtype显示指定数据类型，如果不指定的情况下，numpy会自动推断出适合的数据类型，所以一般不需要显示给定数据类型。

• 指定类型创建：

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

• astype方法
  如果需要更改一个已经存在的数组的数据类型，可以通过 astype方法进行修改从而得到一个新数组。

  
  a = np.array([[1,2,3],[4,5,6]])
  print("改变前的类型：",a.dtype)
  a = a.astype(float)
  print("改变后的类型：",a.dtype)
  

  输出
  改变前的类型： int32
  改变后的类型： float64

三、修改ndarray的形状

对于一个已经存在的ndarray数组对象而言，可以通过修改形状相关的参数方法从而改变数组的形状。

• 直接修改数组ndarray的shape值, 要求修改后乘积不变。
• 直接使用reshape函数创建一个改变尺寸的新数组，原数组的shape保持不变，但是新数组和原数组共享一个内存空间，也就是修改任何一个数组中的值都会对另外一个产生影响，另外要求新数组的元素个数和原数组一致。

当指定某一个轴为-1的时候，表示将根据数组元素的数量自动计算该轴的长度值。

• 修改数组的shape值

  
  #调整数组大小
  a = np.array([[1,2,3],[4,5,6]])
  a.shape=(3,2)
  print(a)
  

• 使用reshape函数修改

'''
    reshape 调整数组大小
'''
a = np.array([[1,2,3],[4,5,6]])
b = a.reshape(3,2)
print(b)

输出：
[[1 2]
[3 4]
[5 6]]

文章有不当之处，欢迎指正，如果喜欢微信阅读，你也可以关注我的微信公众号： cplus人工智能算法后端技术，获取优质学习资源。