这篇文章主要讲解了“Numpy的属性与形状变换怎么应用”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“Numpy的属性与形状变换怎么应用”吧！
一、最基本的属性
在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（dimensions），维度的数量称为秩（rank）；比如说，二维数组相当于是两个一维数组，即 二维数组有两个轴，秩为2 。
<font color=blue > 重点：很多时候可以声明 axis。
axis=0，表示沿着第 0 轴进行操作，即对每一列进行操作；
axis=1，表示沿着第 1 轴进行操作，即对每一行进行操作。</font>
二、Numpy 常用属性
| Numpy 常用属性 | Numpy 常用属性 |
|---|---|
| ndarray.ndim | 秩，即轴的数量或维度的数量 |
| ndarray.shape | 数组的维度，对于矩阵，n 行 m 列 |
| ndarray.size | 数组元素的总个数，相当于 .shape 中 n*m 的值 |
| ndarray.dtype | ndarray 对象的元素类型 |
| ndarray.itemsize | ndarray 对象中每个元素的大小，以字节为单位 |
| ndarray.flags | ndarray 对象的内存信息 |
| ndarray.real | ndarray元素的实部 |
| ndarray.imag | ndarray 元素的虚部 |
2.1 ndarray.ndim 数组维度
秩，即轴的数量或维度的数量
a = np.array([[1,2,3,4],[5,6,7,8]])
print ('a ndim:',a.ndim)
# a ndim: 2
2.2 ndarray.shape 数组形状
数组的维度，对于矩阵，n 行 m 列
a = np.array([[1,2,3,4],[5,6,7,8]])
print ('a ndim:',a.shape)
b = a.reshape(4,2)
print ('b ndim:',b.shape)
# a ndim: (2, 4)
# b ndim: (4, 2)
2.3 ndarray.dtype 数组类型
ndarray 对象的元素类型；
a = np.array([[1,2,3,4],[5,6,7,8]],dtype=np.int8)
print ('a type:',a.dtype)
b = a.astype(np.float16)
print ('b type:',b.dtype)
# a type: int8
# b type: float16
2.4 ndarray.itemsize 数组元素大小
ndarray 对象中每个元素的大小，以字节为单位
a = np.array([[1,2,3,4],[5,6,7,8]],dtype=np.int8)
print ('a itemsize:',a.itemsize)
b = a.astype(np.float16)
print ('b itemsize:',b.itemsize)
# a itemsize: 1
# b itemsize: 2
三、形状变换
常用的形状变换函数如下：
| 函数名称 | 功能描述 |
|---|---|
| reshape | 不改变数据的条件下修改数组形状 |
| flat | 数组元素迭代器 |
| flatten | 返回一份数组拷贝，对拷贝所做的修改不会影响原始数组 |
| ravel | 返回展开数组 |
3.1 numpy.reshape 改变形状
不改变数据的条件下修改数组形状 ,函数的格式如下：
numpy.reshape(arr, newshape, order='C')
| 参数名称 | 含义 |
|---|---|
| arr | 要修改形状的数组 |
| newshape | 整数或者整数数组，新的形状应当兼容原有形状 |
| order | 'C' -- 按行，'F' -- 按列，'A' -- 原顺序，'k' -- 元素在内存中的出现顺序。 |
也可以使用如下格式： arr.reshape(newshape, order='C')，作用与上面的格式完全一致：
举例如下：
a = np.array([[1,2,3,4],[5,6,7,8]])
b = np.reshape(a,(4,2))
c = a.reshape((4,2))
print('a:',a)
print('b:',b)
print('c:',c)
输出为：
3.2 nparray.flat 返回迭代器
可以返回一个数组的迭代器，举例如下：
a = np.array([[1,2,3,4],[5,6,7,8]])
i = 0
for j in a.flat:
i = i + 1
print('第%s个元素为：%s' %(i,j))
# 输出：
# 第1个元素为：1
# 第2个元素为：2
# 第3个元素为：3
# 第4个元素为：4
# 第5个元素为：5
# 第6个元素为：6
# 第7个元素为：7
# 第8个元素为：8
3.3 ndarray.flatten & numpy.ravel 平铺展开
两个函数均的功能基本一直，均为展开数组；格式如下：ndarray.flatten(order='C')numpy.ravel(a, order='C')
| 参数名称 | 含义 |
|---|---|
| order | 'C' -- 按行(默认)，'F' -- 按列，'A' -- 原顺序(不常用)，'K' -- 元素在内存中的出现顺序(不常用) |
举例：
a = np.array([[1,2,3,4],[5,6,7,8]])
b =a.flatten()
print(b) # [1 2 3 4 5 6 7 8]
c = a.flatten('F')
print(c) # [1 5 2 6 3 7 4 8]
不同点为：在赋值时，flatten 不改变原数组，ravel会改变原数组，举例如下：
该特点，在赋值时可以使用；
d = np.array([[1,2,3,4],[5,6,7,8]]) d.flatten()[1]=100 print(d) # 输出：[[1 2 3 4] [5 6 7 8]] d.ravel()[2]=200 print(d) # 输出：[[ 1 2 200 4] [ 5 6 7 8]]
感谢各位的阅读，以上就是“Numpy的属性与形状变换怎么应用”的内容了，经过本文的学习后，相信大家对Numpy的属性与形状变换怎么应用这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是本站，小编将为大家推送更多相关知识点的文章，欢迎关注！
