python教程分享Numpy 数据处理 ndarray使用详解

1. ndarray的属性

数组的属性反映了数组本身固有的信息。常用的查看数组属性的相关语法如下表格所示：

下面，我们将针对ndarray的各种属性，进行代码演示。

代码演示如下所示：

import numpy as np  score = np.array([[1, 2, 3], [4, 5, 6], [1, 1, 1], [2, 2, 2]])  print(score.shape)  # 数组维度的元组  print(score.ndim)  # 数组维数  print(score.size)    # 数组中的元素数量  print(score.itemsize)  # 一个数组元素的长度（字节）  print(score.dtype)  # 数组元素的类型  

代码运行结果如下图所示：

注意：关于数组的维度，想知道数组有几维，最简单的办法就是看数组最外侧有多少个中括号，以上代码中传入的数组score有两个中括号，因此数组维数为2。

2. 数组的形状

关于数组形状，我们直接附上一段代码来理解：

c = np.array([[[1, 2, 3], [4, 5, 6], [1, 1, 1], [2, 2, 2]], [[1, 2, 3], [4, 5, 6], [1, 1, 1], [2, 2, 2]]])  print("c的数组维度：", c.shape)  

以上代码运行结果如下图所示：

此处，输出的结果(2,4,3)(2,4,3)(2,4,3)的含义为：在最外层有2个二维数组。在二维数组里面，有4个一维数组。在一维数组里，有3个元素。

3. ndarray的类型

dtype是numpy.dtype类型，基本上之前所接触过的数据类型，这里面都支持。例如，bool、int32、int64、float32、uint8、complex64等等。

在我们创建array的同时是可以指定数组ndarray类型的。具体语法如下所示：

a = np.array([[[1, 2, 3], [4, 5, 6], [1, 1, 1], [2, 2, 2]], [[1, 2, 3], [4, 5, 6], [1, 1, 1], [2, 2, 2]]], dtype=np.float32)  print(a.dtype)  print(a)  

代码运行结果如下图所示：可以发现结果中的数组元素带有小数点了。

当然，数组也可以存储字符串：

b = np.array(["python", "hello", "1"], dtype=np.string_)  print(b)  

运行结果如下图所示：

以上就是numpy 数据处理 ndarray使用详解的详细内容，更多关于numpy 数据处理 ndarray的资料请关注<编程笔记>其它相关文章！

需要了解更多python教程分享Numpy 数据处理 ndarray使用详解，都可以关注python教程分享栏目&＃8212;编程笔记