开发者学堂课程【Python 科学计算库 NumPy 快速入门:ndarray属性】学习笔记,与课程紧密联系,让用户快速学习知识。
课程地址:https://developer.aliyun.com/learning/course/605/detail/8816
ndarray属性
内容简介:
一、 ndarray 的属性
二、 ndarray 的形状
三、 ndarray 的类型
四、总结
一、ndarray 的属性
数组属性反映了数组本身固有的信息。
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
score
array ([[80, 89, 86, 67, 79],
[78, 97, 89, 67,81],
[90,94,78,67, 74],
[91,91,90,67,69],
[76,87,75,67,86],
[70,79,84,67, 84],
[94,92,93, 67, 64] ,
[86, 85,83, 67,80]])
score.shape(8, 5)
(8, 5)
score.ndim
2
score.size
40
score.dtype
dtype ('int64')
score. itemaize
8
二、 ndarray 的形状
(1)创建不同形状的数组
a=np.array ([[1, 2, 3], [4, 5, 6]])
b=np.array ( [1, 2, 3, 4] )
c=np.array ([ [1, 2, 3] , [4,5,6]],[[1,2,3],[4,5,6]]])
(2)分别打印出形状
a.shape
b.shape
c.shape
(2,3) #二维数组
(4,) #一维数组
(2, 2, 3) #三维数组
(3)如何理解数组的形状?
三维数组:
三、 ndarray 的类型
dtype 是 numpy.dtype 类型,对于数组来说类型有
np.bool 用一个字节存储的布尔类型(True 或 False) ‘b'
np.int8 一个字节大小,-128至127 ‘i’
np.int16 整数,-32768至32767 ‘i2'
np.int32 整数,-231至232-1 ‘i4'
np.int64 整数,-263至263-1 ‘i8’
np.uint8 无符号整数,0至255 'u'
np.uint16 无符号整数,0至65535 'u2'
np.uint32 无符号整数,0至2**32-1 'u4'
np.uint64 无符号整数,0至2**64-1 ‘u8’
np.float16 半精度浮点数:16位,正负号1位, ‘f2’
指数5位,精度10位
np.float32 单精度浮点数:32位,正负号1位,
指数8位,精度23位 ’f4'
np.float64 双精度浮点数:64位,正负号1位,
指数11位,精度52位 ‘f8’
np.complex128 复数,分别用两个64位浮点数
表示实部和虚部 'c16'
np.object_ python 对象 ‘O’
np.string_ 字符串 ’S’
np.unicode_ unicode 类型 ’U’
创建数组的时候指定类型:
a=np.array ([ [1, 2, 3] , [4,5,6]],dtype=np.float32)
a.dtype
dtype ('float32')
arr=np.array(['python','tensorflow','scikit-learn','numpy'1,dtype=np.string_)
array( [b'python',b'tensorflow',b'scikit-learn',b'numpy'1,dtype='|S12*)
·注意:若不指定,整数默认 int64,小数默认 float64
四、总结
知道数组的基本属性,不同形状的维度表示以及数组的类型。