5.NumPy数组属性

本节介绍 Numpy 数组的常用属性。

ndarray.shape

shape 属性的返回值一个由数组维度构成的元组，比如 2 行 3 列的二维数组可以表示为(2,3)，该属性可以用来调整数组维度的大小。

示例如下，输出了数组的维度：

1. import numpy as np
2. a = np.array([[2,4,6],[3,5,7]])
3. print(a.shape)

输出结果：

(2,3)

通过 shape 属性修改数组的形状大小： 

1. import numpy as np
2. a = np.array([[1,2,3],[4,5,6]])
3. a.shape = (3,2)
4. print(a)

输出结果：

1. [[1, 2]
2. [3, 4]
3. [5, 6]]

ndarray.reshape()

NumPy 还提供了一个调整数组形状的 reshape() 函数。

1. import numpy as np
2. a = np.array([[1,2,3],[4,5,6]])
3. b = a.reshape(3,2)
4. print(b)

输出结果：

[[1, 2]
[3, 4]
[5, 6]]

ndarray.ndim

该属性返回的是数组的维数，示例如下：

1. import numpy as np
2. #随机生成一个一维数组
3. c = np.arange(24)
4. print(c)
5. print(c.ndim)
6. #对数组进行变维操作
7. e = c.reshape(2,4,3)
8. print(e)
9. print(e.ndim)

输出结果如下所示：

#随机生成的c数组
[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
#c数组的维度
1
#变维后数组e
[[[ 0  1  2]
  [ 3  4  5]
  [ 6  7  8]
  [ 9 10 11]]

[[12 13 14]
  [15 16 17]
  [18 19 20]
  [21 22 23]]]
#e的数组维度
3

ndarray.itemsize

返回数组中每个元素的大小（以字节为单位），示例如下：

1. #数据类型为int8，代表1字节
2. import numpy as np
3. x = np.array([1,2,3,4,5], dtype = np.int8)
4. print (x.itemsize)

输出结果为：

1

1. #数据类型为int64，代表8字节
2. import numpy as np
3. x = np.array([1,2,3,4,5], dtype = np.int64)
4. print (x.itemsize)

输出结果：

8

ndarray.flags

返回 ndarray 数组的内存信息，比如 ndarray 数组的存储方式，以及是否是其他数组的副本等。

示例如下：

1. import numpy as np
2. x = np.array([1,2,3,4,5])
3. print (x.flags)

输出结果如下：

C_CONTIGUOUS : True
F_CONTIGUOUS : True
OWNDATA : True
WRITEABLE : True
ALIGNED : True
WRITEBACKIFCOPY : False
UPDATEIFCOPY : False