【Numpy总结】第二节：Numpy 的属性与形状变换

一、最基本的属性

在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions），维度的数量称为秩（rank）；比如说，二维数组相当于是两个一维数组，即 二维数组有两个轴，秩为2 。

<font color=blue > 重点：很多时候可以声明 axis。 axis=0，表示沿着第 0 轴进行操作，即对每一列进行操作； axis=1，表示沿着第 1 轴进行操作，即对每一行进行操作。</font>

二、Numpy 常用属性

Numpy 常用属性 Numpy 常用属性 ndarray.ndim 秩，即轴的数量或维度的数量 ndarray.shape 数组的维度，对于矩阵，n 行 m 列 ndarray.size 数组元素的总个数，相当于 .shape 中 n*m 的值 ndarray.dtype ndarray 对象的元素类型 ndarray.itemsize ndarray 对象中每个元素的大小，以字节为单位 ndarray.flags ndarray 对象的内存信息 ndarray.real ndarray元素的实部 ndarray.imag ndarray 元素的虚部

2.1 ndarray.ndim 数组维度

秩，即轴的数量或维度的数量

a = np.array([[1,2,3,4],[5,6,7,8]]) print ('a ndim:',a.ndim) # a ndim: 2

2.2 ndarray.shape 数组形状

数组的维度，对于矩阵，n 行 m 列

a = np.array([[1,2,3,4],[5,6,7,8]]) print ('a ndim:',a.shape) b = a.reshape(4,2) print ('b ndim:',b.shape) # a ndim: (2, 4) # b ndim: (4, 2)

2.3 ndarray.dtype 数组类型

ndarray 对象的元素类型；

a = np.array([[1,2,3,4],[5,6,7,8]],dtype=np.int8) print ('a type:',a.dtype) b = a.astype(np.float16) print ('b type:',b.dtype) # a type: int8 # b type: float16

2.4 ndarray.itemsize 数组元素大小

ndarray 对象中每个元素的大小，以字节为单位

a = np.array([[1,2,3,4],[5,6,7,8]],dtype=np.int8) print ('a itemsize:',a.itemsize) b = a.astype(np.float16) print ('b itemsize:',b.itemsize) # a itemsize: 1 # b itemsize: 2

三、形状变换

常用的形状变换函数如下：

函数名称 功能描述 reshape 不改变数据的条件下修改数组形状 flat 数组元素迭代器 flatten 返回一份数组拷贝，对拷贝所做的修改不会影响原始数组 ravel 返回展开数组

3.1 numpy.reshape 改变形状

不改变数据的条件下修改数组形状 ,函数的格式如下：

numpy.reshape(arr, newshape, order='C')

参数名称 含义 arr 要修改形状的数组 newshape 整数或者整数数组，新的形状应当兼容原有形状 order 'C' -- 按行，'F' -- 按列，'A' -- 原顺序，'k' -- 元素在内存中的出现顺序。

也可以使用如下格式： arr.reshape(newshape, order='C')，作用与上面的格式完全一致：

举例如下：

a = np.array([[1,2,3,4],[5,6,7,8]]) b = np.reshape(a,(4,2)) c = a.reshape((4,2)) print('a:',a) print('b:',b) print('c:',c)

输出为：

3.2 nparray.flat 返回迭代器

可以返回一个数组的迭代器，举例如下：

a = np.array([[1,2,3,4],[5,6,7,8]]) i = 0 for j in a.flat: i = i + 1 print('第%s个元素为：%s' %(i,j)) # 输出： # 第1个元素为：1 # 第2个元素为：2 # 第3个元素为：3 # 第4个元素为：4 # 第5个元素为：5 # 第6个元素为：6 # 第7个元素为：7 # 第8个元素为：8

3.3 ndarray.flatten & numpy.ravel 平铺展开

两个函数均的功能基本一直，均为展开数组；格式如下： ndarray.flatten(order='C') numpy.ravel(a, order='C')

参数名称 含义 order 'C' -- 按行(默认)，'F' -- 按列，'A' -- 原顺序(不常用)，'K' -- 元素在内存中的出现顺序(不常用)

举例：

a = np.array([[1,2,3,4],[5,6,7,8]]) b =a.flatten() print(b) # [1 2 3 4 5 6 7 8] c = a.flatten('F') print(c) # [1 5 2 6 3 7 4 8]

不同点为：在赋值时，flatten 不改变原数组，ravel会改变原数组，举例如下： 该特点，在赋值时可以使用；

d = np.array([[1,2,3,4],[5,6,7,8]]) d.flatten()[1]=100 print(d) # 输出：[[1 2 3 4] [5 6 7 8]] d.ravel()[2]=200 print(d) # 输出：[[ 1 2 200 4] [ 5 6 7 8]]