二、Numpy基础：数组修改

一、数组属性

• 维度：.ndim，返回当前数组维度
• 类型：.dtype，返回数组内元素的数据类型，注：numpy定义的数组数据类型是统一，不能多类型混合
• 形状：.shape，返回数据形状，数组每层中的元素个数
• 元素总数：.size，返回数组中元素总个数
• 字节大小：.itemsize，返回数组中每个元素的字节大小。

import numpy as np
a=np.full((2,5,4),10)
print("数组a:",a)
print("数组a中元素总数:",a.size)
print("数组a的形状:",a.shape)
print("数组a中的元素类型:",a.dtype)
print("数组a的维度:",a.ndim)
print("数组a中的元素字节大小:",a.itemsize)
>>>
数组a: [[[10 10 10 10]
  [10 10 10 10]
  [10 10 10 10]
  [10 10 10 10]
  [10 10 10 10]]

 [[10 10 10 10]
  [10 10 10 10]
  [10 10 10 10]
  [10 10 10 10]
  [10 10 10 10]]]
数组a中元素总数: 40
数组a的形状: (2, 5, 4)
数组a中的元素类型: int32
数组a的维度: 3
数组a中的元素字节大小: 4

二、数据类型

• 不指定的情况下，numpy会自动推断出适合的数据类型，所以一般不需要显示给定数据类型。
• 数值型dtype的命名方式为：一个类型名称(eg:int、float等)，后接一个表示各个元素位长的数字
• 如Python的float数据类型(双精度浮点值)，需要占用8个字节(64位)，因此在NumPy中记为float64
• 每个数据类型都有一个类型代码，即简写方式

数据类型		简写	说明	字节	范围
整型	int_		默认整形
	intc		等价于long的整形
	int8	i1	字节整形	1	[-128,127]
	int16	i2	整形	2	[-32768,32767]
	int32	i3	整形	4	[-2^31, 2^31-1]
	int64	i4	整形	6	[-2^63, 2^63-1]
无符号 整型	uint8	u1	无符号整形	1	[0,255]
	uint16	u2	无符号整形	2	[0,65535]
	uint32	u3	无符号整形	1	[0, 2^32-1]
	uint64	u4	无符号整形	1	[0,2^64-1]
布尔	bool_		布尔值	1	True或者False
浮点型	float_		float64简写形式	8
	float16	f2	半精度浮点型	2	1符号位+5位指数+10位的小数部分
	float32	f4或者f	单精度浮点型	4	1符号位+8位指数+23位的小数部分
	float64	f8或者d	双精度浮点型	8	1符号位+11位指数+52位的小数部分
复数	complex_	c16	complex128的简写形式
	complex64	c8	复数，由两个32位的浮点数来表示	32
	complex128	c16	复数，由两个64位的浮点数来表示	64
对象	object	O	Python对象类型
字符串	String_	S	固定长度的字符串类型(每个字符1个字节)
	Unicode_	U	固定长度的unicode类型的字符串

 

 

 

三、数组修改（属性）

• 形状修改：.reshape()、.T
• 维度修改：.reshape()
• 类型修改：.astype()

3.1、reshape()方法：修改数组形状与维度

• 直接修改数组ndarray的shape值,要求修改后乘积不变。
• 直接使用reshape函数创建一个改变尺寸的新数组，原数组的shape保持不变，但是新数组和原数组共享一个内存空间，也就是修改任何一个数组中的值都会对另外一个产生影响，另外要求新数组的元素个数和原数组一致。
• 当指定某一个轴为-1的时候，表示将根据数组元素的数量自动计算该轴的长度值。

import numpy as np
a=np.arange(30)
print("原数组（一维）：",a)
b=a.reshape(2,3,5)
print("新数组（三维）：",b)
b[1][2][2]=666
print("修改b中的数值会影响到a：",a)
print("对b使用降维打击：",b.reshape(10,-1))
>>>
原数组（一维）： 
[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29]
新数组（三维）：
 [[[ 0  1  2  3  4]
  [ 5  6  7  8  9]
  [10 11 12 13 14]]

 [[15 16 17 18 19]
  [20 21 22 23 24]
  [25 26 27 28 29]]]
修改b中的数值会影响到a：
 [  0   1   2   3   4   5   6   7   8   9  10  11  12  13  14  15  16  17
  18  19  20  21  22  23  24  25  26 666  28  29]
对b使用降维打击： 
[[  0   1   2]
 [  3   4   5]
 [  6   7   8]
 [  9  10  11]
 [ 12  13  14]
 [ 15  16  17]
 [ 18  19  20]
 [ 21  22  23]
 [ 24  25  26]
 [666  28  29]]

3.2、T方法：行列转置

• 使用T方法以后，可以对数组进行行列转置。

import numpy as np
a=np.random.randint(1,10,size=(2,3,4))
b=a.T
print(b.shape)
>>>
(4, 3, 2)

3.2、astype()方法：修改元素类型

• 如果需要更改一个已经存在的数组的数据类型，可以通过astype方法进行修改从而得到一个新数组。

import numpy as np
a=np.arange(1,5)
print("原数组：{0}，其数据类型为：{1}".format(a,a.dtype))
b=a.astype(float)
print("新数组：{0}，其数据类型为：{1}".format(b,b.dtype))
>>>
原数组：[1 2 3 4]，其数据类型为：int32
新数组：[1. 2. 3. 4.]，其数据类型为：float64