numpy重新学习系列(2)---numpy的属性

简介: numpy重新学习系列(2)---numpy的属性

先决知识:

1、要熟悉一些python的基本语法

2、如果想要运行本文的案例,需要你先安装一些软件;

 

基础知识:

numpy主要的结构是同种的多维的数据类型;它是一些元素的目录表,这些元素通常是数字,同样的数据类型,被非负数的数字,以index标记。


numpy的类主要是ndarray,有时候也用array表示。python的array.array只能处理一维的数据,并且只有少量的功能,和ndarray.array是不同的;


ndarray主要具有以下属性:


ndarray.ndim:数据的维数

ndarray.shape:一个n行和m列的array,将会返回(n,m)

ndarray.size:将会返回元素的数目

ndarray.dtype:返回元素的类型。可以用python标准的数据类型或者numpy.int32,numpy.int16,numpy.float64等指定

ndarray.itemsize:返回元素的大小,有多少字节?

ndarray.data:得到array里面的数据;通常不需要使用,直接用index就可以得到;



20191023205540116.png


目录
相关文章
|
7月前
|
数据采集 机器学习/深度学习 数据可视化
深入学习NumPy库在数据分析中的应用场景
深入学习NumPy库在数据分析中的应用场景
|
索引 Python
数据科学:Numpy、Pandas、Matplotlib学习(更新ing...)
数据科学:Numpy、Pandas、Matplotlib学习(更新ing...)
94 0
|
7月前
|
存储 算法 数据挖掘
NumPy 数组学习手册:6~7
NumPy 数组学习手册:6~7
67 0
|
5月前
|
Python
NumPy 教程 之 NumPy 数组属性 7
NumPy教程:数组属性聚焦秩(rank)和轴(axis),表示维度数量。`ndarray.flags`揭示内存细节,如C/F_CONTIGUOUS标志指示数据连续性,OWNDATA检查内存所有权,WRITEABLE允许写入,ALIGNED确保硬件对齐,UPDATEIFCOPY涉及副本更新。
51 4
|
5月前
|
存储 索引 Python
NumPy 教程 之 NumPy 数组属性 1
NumPy教程介绍数组属性:秩表示维度,如一维数组秩为1,二维为2。轴(axis)定义了数组的线性方向,axis=0操縱列,axis=1操纵行。关键属性包括:ndim-秩,shape-维度大小,size-元素总数,dtype-数据类型,itemsize-元素字节大小,flags-内存信息,real/imag-复数部分,data-元素缓冲区。
38 5
|
5月前
|
Python
NumPy 教程 之 NumPy 数组属性 8
NumPy教程讲解数组属性,数组的秩表示维度数,如一维数组秩为1,二维为2。每个线性数组是轴,二维数组由两轴组成。`x=np.array([1,2,3,4,5])`,打印`x.flags`显示数组连续性、数据所有权、可写性等信息。
48 2
|
7月前
|
存储 索引 Python
python学习——NumPy数值计算基础
NumPy基础知识概览:涉及nan(非数字)和inf(无穷)的概念,nan在文件读取或不适当计算时出现,inf在除0操作中出现。数组操作有深拷贝(a=b.copy())、浅拷贝(a=b[:])和引用(a=b)。创建数组方式多样,如`np.array()`、`np.arange()`等。数据类型转换如`np.float64()`、`np.int8()`。随机数生成包含均匀分布、正态分布等。数组索引和切片支持多维操作。改变数组形状用`reshape()`,展平用`ravel()`和`flatten()`。矩阵运算包括加减乘、转置、逆矩阵等。
89 2
python学习——NumPy数值计算基础
|
5月前
|
Python
NumPy 教程 之 NumPy 数组属性 4
NumPy数组的秩表示维度数,如一维数组秩为1,二维为2。每个线性数组是轴,二维数组含两个轴。`ndarray.shape`展示数组尺寸,返回一个元组,表示行数和列数(即秩)。此属性还能改变数组大小。
39 0
|
7月前
|
存储 数据挖掘 Linux
NumPy 数组学习手册:1~5
NumPy 数组学习手册:1~5
90 0
|
机器学习/深度学习 数据处理 计算机视觉
python Numpy实践学习
python Numpy实践学习
46 1