Numpy 数据处理 ndarray使用详解
作者：ZacheryZHANG
这篇文章主要为大家介绍了Numpy 数据处理 ndarray使用详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
1. ndarray的属性
数组的属性反映了数组本身固有的信息。常用的查看数组属性的相关语法如下表格所示：
| 属性名称 | 属性解释 |
|---|---|
| ndarray.shape | 数组维度的元组 |
| ndarray.ndim | 数组维数 |
| ndarray.size | 数组中的元素数量 |
| ndarray.itemsize | 一个数组元素的长度（字节） |
| ndarray.dtype | 数组元素的类型 |
下面，我们将针对ndarray的各种属性，进行代码演示。
代码演示如下所示：
import numpy as np score = np.array([[1, 2, 3], [4, 5, 6], [1, 1, 1], [2, 2, 2]]) print(score.shape) # 数组维度的元组 print(score.ndim) # 数组维数 print(score.size) # 数组中的元素数量 print(score.itemsize) # 一个数组元素的长度（字节） print(score.dtype) # 数组元素的类型
代码运行结果如下图所示：
注意：关于数组的维度，想知道数组有几维，最简单的办法就是看数组最外侧有多少个中括号，以上代码中传入的数组score有两个中括号，因此数组维数为2。
2. 数组的形状
关于数组形状，我们直接附上一段代码来理解：
c = np.array([[[1, 2, 3], [4, 5, 6], [1, 1, 1], [2, 2, 2]], [[1, 2, 3], [4, 5, 6], [1, 1, 1], [2, 2, 2]]])
print("c的数组维度：", c.shape)
以上代码运行结果如下图所示：
此处，输出的结果(2,4,3)(2,4,3)(2,4,3)的含义为：在最外层有2个二维数组。在二维数组里面，有4个一维数组。在一维数组里，有3个元素。
3. ndarray的类型
dtype是numpy.dtype类型，基本上之前所接触过的数据类型，这里面都支持。例如，bool、int32、int64、float32、uint8、complex64等等。
在我们创建array的同时是可以指定数组ndarray类型的。具体语法如下所示：
a = np.array([[[1, 2, 3], [4, 5, 6], [1, 1, 1], [2, 2, 2]], [[1, 2, 3], [4, 5, 6], [1, 1, 1], [2, 2, 2]]], dtype=np.float32) print(a.dtype) print(a)
代码运行结果如下图所示：可以发现结果中的数组元素带有小数点了。
当然，数组也可以存储字符串：
b = np.array(["python", "hello", "1"], dtype=np.string_) print(b)
运行结果如下图所示：
以上就是Numpy 数据处理 ndarray使用详解的详细内容，更多关于Numpy 数据处理 ndarray的资料请关注脚本之家其它相关文章！