numpy的学习心得

NumPy数组属性

NumPy数组的维数称为秩（rank），一维数组的秩为1，二维数组的秩为2，以此类推。在NumPy中，每一个线性的数组称为是一个轴(axis)，秩其实是描述轴的数量。例如数据([[1,2,3],[4,5,6]])，是一个二维数组，秩为2，同时也有两个轴，可类比于平面x/y轴，三维数组可类比于x/y/z轴。二维数组相当于是两个一维数组，其中第一个一维数组中每个元素([1,2,3]是一个元素)又是一个一维数组。所以，二维数组中中第一个轴(axis)相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。

NumPy的数组中比较重要ndarray对象属性有：

• ndarray.ndim：数组的维数（即数组轴的个数），等于秩。最常见的为二维数组（矩阵）。

• ndarray.shape：数组的维度。为一个表示数组在每个维度上大小的整数元组。例如二维数组中，表示数组的“行数”和“列数”。ndarray.shape返回一个元组，这个元组的长度就是维度的数目，即ndim属性。
  

• ndarray.size：数组元素的总个数，等于shape属性中元组元素的乘积。

• ndarray.dtype：表示数组中元素类型的对象，可使用标准的Python类型创建或指定dtype，另外也可使用NumPy提供的数据类型。
  

• ndarray.itemsize：数组中每个元素的字节大小。例如，一个元素类型为float64的数组itemsiz属性值为8(float64占用64个bits，每个字节长度为8，所以64/8，占用8个字节），又如，一个元素类型为complex32的数组item属性为4（32/8）。

• ndarray.data：包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性。

创建数组

使用array函数创建时，参数必须是由方括号括起来的列表，而不能使用多个数值作为参数调用array。

>>> a = array(1,2,3,4)    # 错误  >>> a = array([1,2,3,4])  # 正确