3. NumPy ndarray对象

1. 前言

NumPy 定义了一个 n 维数组对象，简称 ndarray 对象，它是一个一系列相同类型元素组成的数组集合。数组中的每个元素都占有大小相同的内存块，您可以使用索引或切片的方式获取数组中的每个元素。

ndarray 对象有一个 dtype 属性，该属性用来描述元素的数据类型，相关知识会在《NumPy数据类型》一节做详细介绍 。

ndarray 对象采用了数组的索引机制，将数组中的每个元素映射到内存块上，并且按照一定的布局对内存块进行排列，常用的布局方式有两种，即按行或者按列。

2. 创建ndarray对象

通过 NumPy 的内置函数 array() 可以创建 ndarray 对象，其语法格式如下：

?

1	numpy.array(object, dtype = None, copy = True, order = None,ndmin = 0)

下面表格对其参数做了说明：

参数说明

序号	参数	描述说明
1	object	表示一个数组序列。
2	dtype	可选参数，通过它可以更改数组的数据类型。
3	copy	可选参数，表示数组能否被复制，默认是 True。
4	order	以哪种内存布局创建数组，有 3 个可选值，分别是 C(行序列)/F(列序列)/A(默认)。
5	ndim	用于指定数组的维度。

创建一维数组：

?

1	a=numpy.array([1,2,3])

示例代码：

?

1 2 3 4 5 6 7

import numpy a=numpy.array([1,2,3])#使用列表构建一维数组 print(a) [1 2 3] print(type(a)) #ndarray数组类型 <class 'numpy.ndarray'>

创建多维数组：

?

1	b=numpy.array([[1,2,3],[4,5,6]])

示例代码：

?

1 2 3 4

b=numpy.array([[1,2,3],[4,5,6]]) print(b) [[1 2 3] [4 5 6]]

如果要改变数组元素的数据类型，可以使用通过设置 dtype，如下所示：

?

1	c=numpy.array([2,4,6,8],dtype="数据类型名称")

现在将 c 数组中的元素类型变成了复数类型：

?

1 2 3

c=numpy.array([2,4,6,8],dtype="complex") print(c) [2.+0.j 4.+0.j 6.+0.j 8.+0.j]

array() 是创建 ndarray 对象的基本方法，在后续内容中还会介绍其他方法。

3. ndim查看数组维数

通过 ndim 可以查看数组的维度：

?

1 2 3 4

import numpy as np arr = np.array([[1, 2, 3, 4], [4, 5, 6, 7], [9, 10, 11, 23]]) print(arr.ndim) 2

您也可以使用 ndim 参数创建不同维度的数组：

?

1 2 3 4

#输出一个二维数组 import numpy as np a = np.array([1, 2, 3,4,5], ndim = 2) print(a)

输出结果如下：

[[1 2 3 4 5]]

4. reshape数组变维

数组的形状指的是多维数组的行数和列数。Numpy 模块提供 reshape() 函数可以改变多维数组行数和列数，从而达到数组变维的目的。因此数组变维即对数组形状的重塑，如图1所示：

图1：reshape函数数组变维

reshape() 函数可以接受一个元组作为参数，用于指定了新数组的行数和列数，示例如下：

?

1 2 3 4 5

import numpy as np e = np.array([[1,2],[3,4],[5,6]]) print("原数组",e) e=e.reshape(2,3) print("新数组",e)

输出如下：

原数组 [[1 2]
[3 4]
[5 6]]
新数组 [[1 2 3]
[4 5 6]]