NumPy ndarray对象的用法(附带实例)
NumPy 最重要的一个特点是其 N 维数组对象 ndarray,它是一系列同类型数据的集合,下标从 0 开始对集合中的元素进行索引。
ndarray 对象是用于存放同类型元素的多维数组,每个元素在内存中都占有相同存储大小的区域。
ndarray 内部由以下内容组成:
ndarray 的内部结构如下图所示:
创建一个 ndarray,只需调用 NumPy 的 array() 函数即可:
比如一维数组:
比如多于一维的数组:
比如最小维度:
如果 ndmin =1,则输出:
再来看一下指定 dtype 参数的例子:
ndarray 对象由计算机内存的连续一维部分组成,并结合索引模式将每个元素映射到内存块中的一个位置。内存块以行顺序(C 样式)或列顺序(Fortran 或 MATLAB 风格,即前述的 F 样式)来保存元素。
ndarray 对象是用于存放同类型元素的多维数组,每个元素在内存中都占有相同存储大小的区域。
ndarray 内部由以下内容组成:
- 一个指向数据(内存或内存映射文件中的一块数据)的指针;
- 数据类型或 dtype,描述在数组中固定大小值的格子;
- 一个表示数组形状(shape)的元组,表示各维度大小的元组;
- 一个跨度元组(stride),其中的整数指的是为了前进到当前维度下一个元素需要“跨过”的字节数。
ndarray 的内部结构如下图所示:

创建一个 ndarray,只需调用 NumPy 的 array() 函数即可:
numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
- object 表示数组或嵌套的数列;
- dtype 表示数组元素的数据类型,可选;
- copy 表示对象是否需要复制,可选;
- order 表示创建数组的样式,C 为行方向,F 为列方向,A 为任意方向(默认);
- subok 表示默认返回一个与基类类型一致的数组;
- ndmin 指定生成数组的最小维度。
比如一维数组:
a = np.array([1,2,3]) print (a)输出:
[1 2 3]
比如多于一维的数组:
a = np.array([[1, 2], [3, 4]]) print(a)输出:
[[1 2]
[3 4]]
比如最小维度:
a = np.array([1, 2, 3, 4, 5], ndmin = 2) print a输出:
[[1, 2, 3, 4, 5]]
如果 ndmin =1,则输出:
[1 2 3 4 5]
再来看一下指定 dtype 参数的例子:
a = np.array([1, 2, 3], dtype = complex) print (a)输出:
[1.+0.j 2.+0.j 3.+0.j]
在 Python 中,complex 用于创建一个复数,或者将一个字符串或数转换为复数。ndarray 对象由计算机内存的连续一维部分组成,并结合索引模式将每个元素映射到内存块中的一个位置。内存块以行顺序(C 样式)或列顺序(Fortran 或 MATLAB 风格,即前述的 F 样式)来保存元素。