Python numpy中的ndarray介绍

在上一期python numpy 模块中对概述介绍了numpy 模块安装、使用方法、特点等入门知识。

• numpy 模块是一个开源的第三方Python库，常用于科学和工程领域，是科学Python和PyData 生态系统的核心。
• numpy 模块易学易用的特点，基本上覆盖了初学者到先进科学研究员的所有人群。
• numpy 模块除了在matplotlib上应用，它还在Pandas、Scipy、scikit-learn等科学Python中。
• numpy 模块也包含多维数组和矩阵数据结构，它专门提供了具有n维数组对象的ndarray,以及对其进行有效操作的方法。
• numpy 模块也可用于对数组执行各种数学运算，提供高级数学函数库，以及数组和矩阵的操作。

众所周知，numpy 模块中数组对象是其核心功能，我们本期重点来学习numpy 数组相关内容，

1. 什么是 ndarray？

ndarray 概念

数组是numpy 模块核心数据结构。数组是值的网络，它的内部包含有原始数据、如何定义元素以及如何解释元素的信息。我们可以使用各种方式索引元素网格。

ndarray 是 numpy 模块中定义 n维数组类型。ndarray 可以描述同种类型project的集合。

• 同种数据类型：numpy 数组中的所有元素都是同种类类型，如int32，float64等
• 同大小内存空间：每个project占用相同大小内存块
• 同方式解释：每个project由object数据类型指定，，其中一个与每个数组相关联
• 可以N个整数对project进行索引

ndarray 内部关系

从数组中我们可以提取python对象表示的如索引是numpy 内置数组标量类型之一，我们可以通过使用数组标量来轻松操作复杂的数据排列。

通过以上ndarray 内部结构，我们可以看到 ndarray 主要由 dtype、shape、stride组成

• ndarray 指向内存映射地址的指针-data对象
• ndarray 元素解释形象-dtype对象
• ndarray 每个维度的元素之间的间隔-strides对象（tuple）
• ndarray 对每个维度的数量和大小的描述-shape对象（tuple）

以上四个python对象就可以在ndarray 中通过索引的方式找到指定位置的数据。

同时我们也调用np.array().flags 获取字节序、读写权限等信息，可知ndarray 底层是C和Fortran 实现的。

  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False

2. ndarray 内存结构

ndarray 内存结构

我们通过numpy.array 方法创建一个2维数组

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

import numpy as np

a = np.array([[1,2],[4,5],[7,8]])

print("dim:",a.ndim)
print("strides:",a.strides)
print("dtype:",a.dtype)
print("data:",a.data)
print("shape:",a.shape)
print(a)

通过array对象调用ndarray 标量对象，可以获知ndarray 维度大小、元素类型、间隔等信息

通过上述图，我们可以知道 ndarray 内存主要划分为两部分：

• raw data： 计算机一段连续的block，存储在C或者Fortran中的数组
• metdata：有关原始数组数据的信息

3. ndarray vs list

ndarray 特点

• ndarray 要求所有数据都是同种类型的
• 每个数据占用空间一样
• 数组中存储的数据是一段连续的空间

list 特点

• 可以容纳不同数据类型
• list 中只存放对象的引用，再通过引用找到具体的对象
• 对象的物理地址并不是连续的

所以，综上所述，ndarray 查找数据运行效率比list快，同时ndarray 存储的数据是连续的一段空间，对比list 对象物理地址分散的，ndarray 比 list 更省空间。

总结：

本期对numpy 模块核心之一的ndarray 数组对象内存原理、与python list对比等知识学习。

ndarray 里的所有的project元素都是同类型数据，并且存储空间是连续的。

不管查找数据，还是存储数据，数据计算等功能，都明显优于Python list。

到此这篇关于Python numpy中的ndarray介绍的文章就介绍到这了,更多相关Python numpy-ndarray内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！