NumPy数组对象介绍：ndarray对象的常用属性

NumPy作为高性能科学计算和数据分析的基础包，它是本书介绍的其它重要数据分析工具的基础，掌握NumPy的功能及其用法，将有助于后续其他数据分析工具的学习。

NumPy中最重要的一个特点就是其N维数组对象，即ndarray（别名array）对象，该对象具有矢量算术能力和复杂的广播能力，可以执行一些科学计算。不同于Python标准库，ndarray对象拥有对高维数组的处理能力，这也是数值计算中缺一不可的重要特性。

ndarray对象中定义了一些重要的属性，具体如表1所示。

ndarray对象的常用属性

值得一提的是，ndarray对象中存储元素的类型必须是相同的。

为了让读者更好地理解ndarray，接下来，通过一些示例来演示ndarray对象 的使用，具体代码如下。

In [1]: import numpy as np               # 导入NumPy工具包
In [2]: data = np.arange(12).reshape(3, 4) # 创建一个3行4列的数组
In [3]: data 
Out[3]: 
array([[ 0, 1, 2, 3],
​     [ 4, 5, 6, 7],
​     [ 8, 9, 10, 11]])
In [4]: type(data)
Out[4]: numpy.ndarray
In [5]: data.ndim     # 数组维度的个数，输出结果2，表示二维数组
Out[5]: 2
In [6]: data.shape    # 数组的维度，输出结果（3，4），表示3行4列
Out[6]: (3, 4)
In [7]: data.size     # 数组元素的个数，输出结果12，表示总共有12个元素
Out[7]: 12
In [8]: data.dtype    # 数组元素的类型，输出结果dtype('int64'),表示元素类型都是int64
Out[8]: dtype('int64')

上述示例中，第1行代码使用import...as语句导入numpy库，并将其取别名为np，表示后续会用np代替numpy执行操作。
第2行代码使用arange()和reshape()函数，创建了一个3行4列的数组data。其中，arange()函数的功能类似于range()，只不过arange()函数生成的是一系列数字元素的数组；reshape()函数的功能是重组数组的行数、列数和维度。
第4行代码使用type()函数查看了数组的类型，输出结果为numpy.ndarray。
第5行代码获取了数组的维度个数，返回结果为2，表示二维数组。
第6行代码获取了数组的维度，返回结果为(3,4)，表示数组有3行4列。
第7行代码获取了数组中元素的总个数，返回结果为12，表示数组中一共有12个元素。
第8行代码获取了元素的具体类型，返回结果为dtype('int64')，表示元素的类型为int64。

猜你喜欢：

Python常见异常类型介绍 

Python正则表达式re模块常用函数有哪些? 

什么是分布式爬虫?分布式爬虫实现方法

传智教育Python数据分析课程