NumPy 教程 之 NumPy Ndarray 对象 6

简介: NumPy的ndarray对象是多维数组,存储同类型元素,以0开始索引。包括数据指针、数据类型dtype、形状元组和跨度元组。创建使用`numpy.array()`,如`a = np.array([1, 2, 3], dtype=complex)`。内存布局可为C式行优先或F式列优先。

NumPy 教程 之 NumPy Ndarray 对象 6

NumPy Ndarray 对象

NumPy 最重要的一个特点是其 N 维数组对象 ndarray,它是一系列同类型数据的集合,以 0 下标为开始进行集合中元素的索引。

ndarray 对象是用于存放同类型元素的多维数组。

ndarray 中的每个元素在内存中都有相同存储大小的区域。

ndarray 内部由以下内容组成:

一个指向数据(内存或内存映射文件中的一块数据)的指针。

数据类型或 dtype,描述在数组中的固定大小值的格子。

一个表示数组形状(shape)的元组,表示各维度大小的元组。

一个跨度元组(stride),其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数。

跨度可以是负数,这样会使数组在内存中后向移动,切片中 obj[::-1] 或 obj[:,::-1] 就是如此。

创建一个 ndarray 只需调用 NumPy 的 array 函数即可:

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

参数说明:

名称 描述
object 数组或嵌套的数列
dtype 数组元素的数据类型,可选
copy 对象是否需要复制,可选
order 创建数组的样式,C为行方向,F为列方向,A为任意方向(默认)
subok 默认返回一个与基类类型一致的数组
ndmin 指定生成数组的最小维度

实例 4

dtype 参数

import numpy as np
a = np.array([1, 2, 3], dtype = complex)
print (a)

输出结果如下:

[1.+0.j 2.+0.j 3.+0.j]

ndarray 对象由计算机内存的连续一维部分组成,并结合索引模式,将每个元素映射到内存块中的一个位置。内存块以行顺序(C样式)或列顺序(FORTRAN或MatLab风格,即前述的F样式)来保存元素。

目录
相关文章
|
4月前
|
存储 索引 Python
NumPy 教程 之 NumPy Ndarray 对象 6
**NumPy的ndarray对象是核心特征,是同类型元素的多维数组。它包括数据指针、数据类型(dtype)、形状元组和跨度元组。创建数组使用`numpy.array()`,可通过`dtype`指定数据类型。例如:`a = np.array([1, 2, 3], dtype=complex)`生成复数数组。内存布局遵循C或F顺序。**
21 0
|
3月前
|
机器学习/深度学习 数据采集 并行计算
《零基础实践深度学习》1.7 附录:NumPy介绍 ndarray
这篇文章详细介绍了NumPy库的基本功能和应用,包括ndarray数组的使用、创建、属性查看、数据类型和形状的改变、基本运算、索引和切片,以及统计方法和随机数生成,是进行科学计算和数据分析的基础。
|
4月前
|
存储 索引 Python
NumPy 教程 之 NumPy Ndarray 对象 2
**NumPy的ndarray对象是多维数据的核心,它存储同类型元素,具有形状和 strides。形状描述数组维度大小,strides指示元素间字节偏移。通过`numpy.array()`创建,可指定数据类型、复制选项等。例如,`numpy.array(list, dtype, copy=True, order='C', subok=False, ndmin=0)`。**
36 4
|
4月前
|
存储 索引 Python
NumPy 教程 之 NumPy Ndarray 对象 3
**NumPy的ndarray对象是多维数组,存储相同类型数据,用0开始的索引访问。包括数据指针、dtype、形状和跨度元组。创建数组用`np.array()`,参数控制数据类型、复制、排列和维度。例如:`a = np.array([1,2,3])`。输出:`[1 2 3]`。**
34 1
|
4月前
|
数据采集 机器学习/深度学习 数据可视化
了解数据科学面试中的Python数据分析重点,包括Pandas(DataFrame)、NumPy(ndarray)和Matplotlib(图表绘制)。
【7月更文挑战第5天】了解数据科学面试中的Python数据分析重点,包括Pandas(DataFrame)、NumPy(ndarray)和Matplotlib(图表绘制)。数据预处理涉及缺失值(dropna(), fillna())和异常值处理。使用describe()进行统计分析,通过Matplotlib和Seaborn绘图。回归和分类分析用到Scikit-learn,如LinearRegression和RandomForestClassifier。
100 3
|
5月前
|
Python
NumPy 是 Python 中的一个重要的科学计算包,其核心是一个强大的 N 维数组对象 Ndarray
【6月更文挑战第18天】NumPy的Ndarray是科学计算的核心,具有ndim(维度数)、shape(各维度大小)、size(元素总数)和dtype(数据类型)属性。方法包括T(转置)、ravel()(扁平化)、reshape()(改变形状)、astype()(转换数据类型)、sum()(求和)及mean()(计算平均值)。更多属性和方法如min/max等可在官方文档中探索。
60 5
|
6月前
|
存储 数据挖掘 测试技术
【Python Numpy】Ndarray属性
【Python Numpy】Ndarray属性
|
算法 数据挖掘 计算机视觉
numpy ndarray嵌套ndarray浅显理解
numpy ndarray嵌套ndarray浅显理解
|
存储 索引 Python
Python学习笔记第二十八天(NumPy Ndarray 对象)
Python学习笔记第二十八天讲解NumPy Ndarray 对象 、ndarray 的内部结构的用法。
98 0
Python学习笔记第二十八天(NumPy Ndarray 对象)
|
算法 计算机视觉 索引
【菜菜的CV进阶之路-基础库的使用-Numpy】按指定条件筛选numpy ndarray数据并进行操作
【菜菜的CV进阶之路-基础库的使用-Numpy】按指定条件筛选numpy ndarray数据并进行操作
194 0
下一篇
无影云桌面