Python数据分析numpy基础-维度的认识

2019年4月15日 335次阅读 来源: 数据库基础

 

什么是多维数组？

核心对象是同型的多维数组（简单理解就是一个表格，通常内容都是些数字），具有相同的数据类型。

概念： 
1. axes（轴）：数组的维度统称为轴。 
2. rank：轴的数量称为rank。 
举例：一维数组[1,2,1]，就是一个rank为1的数组，因为它只有一个轴（一维）。下图显示的是一个rank为2（二维）的数组。它的第一个轴（维）的长度是2，如红色线框所示；第二个轴（维）的长度是3，如蓝色线框所示。这个有点像数据结构里说的：数组的元素本身也可以是数组类型一样，无限扩展下去。

《Python数据分析numpy基础-维度的认识》

数组维度的判别方法：根据括号数量判断，如下

由外而内一共有三层括号，所以他是一个三维的数组。依次为（2，3，3）

[[

[1,2,3],[4,5,6],[7,8,9]],

[[11,12,12],[13,14,15],[16,17,18]

]]

Numpy里的多维数组：ndarray

Numpy的数组类numpy.array一般称呼为ndarray，这么叫主要是为了和Python的数组类array.array区分开来。后面的文章里，如无特殊说明的地方，array和ndarray均是指的numpy.array。

 

ndarray(numpy.array)的主要属性：

  • ndim：数组的轴数（维度）    

  • shape：python的元组类型，其中每个数字分别表示的是各个轴（维）上数组的长度    

  • size：多维数组里全部元素的总数（等于shape元组里所有数值的乘积）    

  • dtype：多维数组里元素的类型。同一个多维数组里所有的元素都是同一种类型    

  • itemsize：多维数组元素所占的字节。

代码示例：

import numpy as np
a=np.array([[4,5,6],[1,2,3]])
print(a.size)#6
print(a.shape)#(2,3)
print(a.dtype)#int
print(a.ndim)#2
print(a.itemsize)#4

 

输出：

6
(2, 3)
int32
2
4

    原文作者：数据库基础
    原文地址: https://my.oschina.net/u/3754854/blog/1860495
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞