Python高阶——Numpy数组属性
秩:rank
秩 = 轴的数量 = 数组的维度数量 = 线性数组数量 Numpy中: 一个线性数组 = 一个轴 = 一个维度 = 一个秩
ndarray.ndim()秩、(轴、维度)的数量
import numpy as np
a = np.arange(24)
print('维度为:',a.ndim)
b = a.reshape(2,3,4)
print('更改后维度为:',b.ndim)

ndarray.shape()数组的维度,对于矩阵,n 行 m 列
ndarray.shape 表示数组的维度,返回一个元组,这个元组的长度 = 维度的数目,= ndim 属性(秩)。比如,一个二维数组,其维度表示"行数"和"列数"。
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
print('数组a的维度:',a.shape)
 元组的长度为:2 = 维度的数目:2 = 秩的数目:2 = 轴数:2
ndarray.shape = () 也可以用于调整数组大小(调整维度)
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
print('数组a的维度:',a.shape)
print('------调成维度(3,2)-------')
a.shape = (3,2)
print('调整后的数组:\n',a)

numpy.reshape() 函数来调整数组大小
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
b = a.reshape(3,2)
print('\n',b)

ndarray.itemsize 以字节的形式返回数组中每一个元素的大小。
import numpy as np
x = np.array([1,2,3,4],dtype=np.int8)
print(f'一个元素占用{x.itemsize}个字节')
y = np.array([1,2,3,4,5],dtype=np.float64)
print(f'一个元素占用{y.itemsize}个字节')

ndarray.size 数组元素的总个数,(相当于 .shape 中 n*m 的值)
x = np.arange(20)
print(x.size)

ndarray.flags
ndarray.flags() 返回 ndarray 对象的内存信息,包含以下属性:
import numpy as np
x = np.array([1,2,3,4,5])
print (x.flags)

|