Numpy?數(shù)據(jù)處理?ndarray使用詳解
1. ndarray的屬性
數(shù)組的屬性反映了數(shù)組本身固有的信息。常用的查看數(shù)組屬性的相關(guān)語(yǔ)法如下表格所示：
| 屬性名稱 | 屬性解釋 |
|---|---|
| ndarray.shape | 數(shù)組維度的元組 |
| ndarray.ndim | 數(shù)組維數(shù) |
| ndarray.size | 數(shù)組中的元素?cái)?shù)量 |
| ndarray.itemsize | 一個(gè)數(shù)組元素的長(zhǎng)度（字節(jié)） |
| ndarray.dtype | 數(shù)組元素的類型 |
下面，我們將針對(duì)ndarray的各種屬性，進(jìn)行代碼演示。
代碼演示如下所示：
import numpy as np score = np.array([[1, 2, 3], [4, 5, 6], [1, 1, 1], [2, 2, 2]]) print(score.shape) # 數(shù)組維度的元組 print(score.ndim) # 數(shù)組維數(shù) print(score.size) # 數(shù)組中的元素?cái)?shù)量 print(score.itemsize) # 一個(gè)數(shù)組元素的長(zhǎng)度（字節(jié)） print(score.dtype) # 數(shù)組元素的類型
代碼運(yùn)行結(jié)果如下圖所示：
注意：關(guān)于數(shù)組的維度，想知道數(shù)組有幾維，最簡(jiǎn)單的辦法就是看數(shù)組最外側(cè)有多少個(gè)中括號(hào)，以上代碼中傳入的數(shù)組score有兩個(gè)中括號(hào)，因此數(shù)組維數(shù)為2。
2. 數(shù)組的形狀
關(guān)于數(shù)組形狀，我們直接附上一段代碼來(lái)理解：
c = np.array([[[1, 2, 3], [4, 5, 6], [1, 1, 1], [2, 2, 2]], [[1, 2, 3], [4, 5, 6], [1, 1, 1], [2, 2, 2]]])
print("c的數(shù)組維度：", c.shape)
以上代碼運(yùn)行結(jié)果如下圖所示：
此處，輸出的結(jié)果(2,4,3)(2,4,3)(2,4,3)的含義為：在最外層有2個(gè)二維數(shù)組。在二維數(shù)組里面，有4個(gè)一維數(shù)組。在一維數(shù)組里，有3個(gè)元素。
3. ndarray的類型
dtype是numpy.dtype類型，基本上之前所接觸過(guò)的數(shù)據(jù)類型，這里面都支持。例如，bool、int32、int64、float32、uint8、complex64等等。
在我們創(chuàng)建array的同時(shí)是可以指定數(shù)組ndarray類型的。具體語(yǔ)法如下所示：
a = np.array([[[1, 2, 3], [4, 5, 6], [1, 1, 1], [2, 2, 2]], [[1, 2, 3], [4, 5, 6], [1, 1, 1], [2, 2, 2]]], dtype=np.float32) print(a.dtype) print(a)
代碼運(yùn)行結(jié)果如下圖所示：可以發(fā)現(xiàn)結(jié)果中的數(shù)組元素帶有小數(shù)點(diǎn)了。
當(dāng)然，數(shù)組也可以存儲(chǔ)字符串：
b = np.array(["python", "hello", "1"], dtype=np.string_) print(b)
運(yùn)行結(jié)果如下圖所示：
以上就是Numpy 數(shù)據(jù)處理 ndarray使用詳解的詳細(xì)內(nèi)容，更多關(guān)于Numpy 數(shù)據(jù)處理 ndarray的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
對(duì)tensorflow中的strides參數(shù)使用詳解
今天小編就為大家分享一篇對(duì)tensorflow中的strides參數(shù)使用詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-01-01
Python基于鏈接表實(shí)現(xiàn)無(wú)向圖最短路徑搜索
鏈接表的存儲(chǔ)相比較鄰接炬陣，使用起來(lái)更方便，對(duì)于空間的使用是剛好夠用原則，不會(huì)產(chǎn)生太多空間浪費(fèi)。所以本文將以鏈接表方式實(shí)現(xiàn)無(wú)向圖最短路徑搜索，需要的可以參考一下2022-04-04
pandas通過(guò)字典生成dataframe的方法步驟
這篇文章主要介紹了pandas通過(guò)字典生成dataframe的方法步驟，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-07-07
import是我們經(jīng)常使用的功能，方法大家也都會(huì)。雖然用的多，但它的本質(zhì)我們似乎沒(méi)有好好的了解過(guò)。本文就import的本質(zhì)解析，向大家作了介紹，需要的朋友可以參考下。2017-10-10
Anaconda配置pytorch-gpu虛擬環(huán)境的圖文教程
這篇文章主要介紹了Anaconda配置pytorch-gpu虛擬環(huán)境步驟整理,本文分步驟通過(guò)圖文并茂的形式給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2020-04-04
Python3 使用cookiejar管理cookie的方法
今天小編就為大家分享一篇Python3 使用cookiejar管理cookie的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-12-12
Python運(yùn)算符的應(yīng)用超全面詳細(xì)教程
Python運(yùn)算符是為了實(shí)現(xiàn)數(shù)值或字符運(yùn)算的特殊符號(hào)。Python運(yùn)算符可以分為算術(shù)運(yùn)算符、邏輯運(yùn)算符、賦值運(yùn)算符、成員運(yùn)算符、身份運(yùn)算符、比較運(yùn)算符、三目運(yùn)算符等。接下來(lái)，我們就開始來(lái)學(xué)習(xí)這一堆符號(hào)吧2022-07-07
本文整理了python異常處理中finally的兩個(gè)容易犯的錯(cuò)誤，適合新手朋友的學(xué)習(xí)，感興趣的朋友可以參考下2021-06-06
這篇文章主要介紹了淺談pandas中對(duì)nan空值的判斷和陷阱，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2021-03-03
這篇文章主要介紹了Python時(shí)間和日期的處理方法總結(jié)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2022-03-03