NumPy 教程 之 NumPy 数组属性 2

简介: **NumPy 数组属性简述**:数组的维数叫秩,表示轴的数量。一维数组秩为1,二维为2。每个线性数组是轴,二维数组含两轴。`ndarray.ndim`返回轴数。例如:```markdownimport numpy as npa = np.arange(24) # a 有 1 个维度b = a.reshape(2, 4, 3) # b 有 3 个维度print(a.ndim, b.ndim) # 输出:1 3```这里展示了`ndim`如何显示数组的维度数。

NumPy 教程 之 NumPy 数组属性 2

NumPy 数组属性

NumPy 数组的维数称为秩(rank),秩就是轴的数量,即数组的维度,一维数组的秩为 1,二维数组的秩为 2,以此类推。

在 NumPy中,每一个线性的数组称为是一个轴(axis),也就是维度(dimensions)。比如说,二维数组相当于是两个一维数组,其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴(axis),第一个轴相当于是底层数组,第二个轴是底层数组里的数组。而轴的数量——秩,就是数组的维数。

ndarray.ndim
ndarray.ndim 用于获取数组的维度数量(即数组的轴数)。

实例

import numpy as np

a = np.arange(24)
print (a.ndim) # a 现只有一个维度

现在调整其大小

b = a.reshape(2,4,3) # b 现在拥有三个维度
print (b.ndim)

输出结果为:

1
3

目录
相关文章
|
3月前
|
Python
NumPy 教程 之 NumPy 从数值范围创建数组 3
在 NumPy 教程之从数值范围创建数组中, 学习 `numpy.arange` 的使用。此函数格式为 `numpy.arange(start, stop, step, dtype)`,其中 `start` 是起始值(默认 0),`stop` 是终止值(不包含),`step` 为步长(默认 1)。`dtype` 参数定义返回的 ndarray 数据类型。例如, 创建浮点数序列: ```python import numpy as np x = np.arange(5, dtype=float) print(x) # 输出: [0. 1. 2. 3. 4.] ```
24 11
|
3月前
|
Python
NumPy 教程 之 NumPy 从数值范围创建数组 6
在 NumPy 教程之从数值范围创建数组章节中,我们介绍了 `numpy.linspace`。此函数创建一个由等差数列组成的一维数组。格式为 `np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)`。参数包括起始值 `start`、终止值 `stop`(默认包含)、样本数量 `num`(默认50)、是否包含终点 `endpoint`(默认`True`)以及数组的数据类型 `dtype`。例如,`np.linspace(1, 10, 10)` 创建从1到10(含10)的10个等间距元素的数组。
20 4
|
3月前
|
存储 Python
NumPy 教程 之 NumPy 创建数组 8
**NumPy创建数组:使用`zeros_like`创建与原数组形状相同的零数组。`zeros_like(a, dtype=None, order='K', subok=True, shape=None)`基于给定数组`a`的形状,生成所有元素为0的新数组。参数可定制数据类型、存储顺序和形状。实例:创建一个3x3的零矩阵。**
37 7
|
3月前
|
Python
NumPy 教程 之 NumPy 从数值范围创建数组 4
**NumPy 创建数组教程** - **`numpy.arange`**: 从数值范围生成 `ndarray`. - 格式: `np.arange(start, stop, step, dtype)` - 参数: - `start`: 起始值(默认0) - `stop`: 终止值(不包含) - `step`: 步长(默认1) - `dtype`: 数据类型(自动推断) - 示例: `np.arange(10, 20, 2)` 输出 `[10 12 14 16 18]`. 总计字符数: 236
18 2
|
3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。
34 4
|
3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。
37 2
|
3月前
|
Python
NumPy 教程 之 NumPy 数组属性 5
NumPy数组的秩是其维度数,如一维数组秩为1,二维为2。数组的每个线性部分称为轴,`ndarray.shape`展示数组的维度,返回元组,长度即秩。`reshape`函数可改变数组尺寸。例如: ```markdown import numpy as np a = np.array([[1,2,3],[4,5,6]]) b = a.reshape(3,2) # 输出: [[1 2] [3 4] [5 6]] ``` 这里,`a.shape`是`(2,3)`,秩为2,`b`通过reshape变为秩为2的\(3 \times 2\)数组。
27 3
|
3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。
26 5
|
3月前
|
Python
NumPy 教程 之 NumPy 创建数组 6
`NumPy`教程中介绍如何用`numpy.ones`创建数组:生成指定形状的全1数组。例如,`np.ones(5)`产生一维浮点数数组,`np.ones([2,2], dtype=int)`则创建二维整数数组。输出: ``` [1. 1. 1. 1. 1.] [[1 1] [1 1]] ``` 形状、数据类型(默认`None`为浮点型)和内存排列顺序(默认'C')可自定义。
29 3
|
3月前
|
Python
NumPy 教程 之 NumPy 创建数组 5
`NumPy`教程:使用`numpy.ones`创建全1数组,形如`numpy.ones(shape, dtype=None, order='C')`,参数`shape`定义数组形状,`dtype`指定数据类型,默认无类型,`order`设定内存布局,默认'C'(行优先)。
28 4