NumPy ndarray数组的属性有哪些（附带实例）

NumPy 最重要的一个特点是 N 维数组对象 ndarray，NumPy 数组的维数称为秩（rank），即轴的数量或数组的维度：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一个轴（axis），也就是维度（dimensions）。例如，二维数组相当于两个一维数组，其中第一个一维数组中的每个元素又是一个一维数组。因此，一维数组就是 NumPy 中的轴，第一个轴相当于底层数组，第二个轴是底层数组里的数组。轴的数量秩就是数组的维数。

很多时候可以这样声明 axis：

• 当 axis=0 时，表示沿着第 0 轴进行操作，即对每一列进行操作；
• 当 axis=1 时，表示沿着第 1 轴进行操作，即对每一行进行操作。

NumPy 的数组中比较重要的 ndarray 对象属性如下表所示。

表：ndarray 对象属性

属性	说明
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，就是指 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
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，因此通常不需要使用这个属性

下面详细介绍其中常用的 4 个属性：
1) ndarray.ndim 用于返回数组的维数，等于秩：

a = np.arange(24)
b = a.reshape(2,4,3)   # 调整其大小
print (a.ndim,b.ndim)   # a表示现在只有一个维度，b表示现在拥有三个维度

输出结果为：

1 3

2) ndarray.shape 表示数组的维度，返回一个元组，这个元组的长度就是维度的数目，即 ndim 属性（秩）。比如，一个二维数组，其维度表示“行数”和“列数”。比如：

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

输出结果为：

(2, 3)

ndarray.shape 也可用于调整数组大小：

a = np.array([[1,2,3],[4,5,6]])
a.shape =  (3,2)   #调整数组大小
print (a)

输出结果为：

[[1 2]
 [3 4]
 [5 6]]

原来是 2 行 3 列，调整后变成 3 行 2 列了。

NumPy 也提供了 reshape() 函数来调整数组大小，比如：

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

输出结果为：

[[1, 2]
 [3, 4]
 [5, 6]]

值得注意的是，ndarray.reshape 通常返回的是非拷贝副本，即改变返回后数组的元素，原数组对应元素的值也会改变。

3) ndarray.itemsize 以字节的形式返回数组中每一个元素的大小。

例如，一个元素类型为 float64 的数组，其 itemsize 属性值为 8（float64 占用 64 位，每个字节长度为 8 位，所以占用 8 字节），一个元素类型为 complex32 的数组，其 item 属性为 4（32/8）。

#数组的dtype为int8（1字节）
x = np.array([1,2,3,4,5], dtype = np.int8)
#数组的dtype 现在为float64（8字节）
y = np.array([1,2,3,4,5], dtype = np.float64)
print (x.itemsize,y.itemsize)

输出结果为：

1 8

4) ndarray.flags 返回 ndarray 对象的内存信息，包含下表所示的属性：

表：ndarray 对象的内存信息

属性	描述
C_CONTIGUOUS (C)	数据在一个单一的 C 风格的连续段中
F_CONTIGUOUS (F)	数据在一个单一的 Fortran 风格的连续段中
OWNDATA (O)	数组拥有它所使用的内存或从另一个对象中借用它
WRITEABLE (W)	数据区域可以被写入，将该值设置为 False，则数据为只读
ALIGNED (A)	数据和所有元素都适当地对齐到硬件上
UPDATEIFCOPY (U)	这个数组是其他数组的一个副本，当这个数组被释放时，原数组的内容将被更新

比如：

x = np.array([1,2,3,4,5])
print (x.flags)

输出结果为：

C_CONTIGUOUS : True
F_CONTIGUOUS : True
OWNDATA : True
WRITEABLE : True
ALIGNED : True
WRITEBACKIFCOPY : False
UPDATEIFCOPY : False