今天小編給大家分享一下Numpy的屬性與形狀變換函數(shù)怎么用的相關(guān)知識(shí)點(diǎn)，內(nèi)容詳細(xì)，邏輯清晰，相信大部分人都還太了解這方面的知識(shí)，所以分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后有所收獲，下面我們一起來(lái)了解一下吧。
尼開遠(yuǎn)網(wǎng)站建設(shè)公司創(chuàng)新互聯(lián),尼開遠(yuǎn)網(wǎng)站設(shè)計(jì)制作，有大型網(wǎng)站制作公司豐富經(jīng)驗(yàn)。已為尼開遠(yuǎn)上千提供企業(yè)網(wǎng)站建設(shè)服務(wù)。企業(yè)網(wǎng)站搭建\成都外貿(mào)網(wǎng)站建設(shè)公司要多少錢，請(qǐng)找那個(gè)售后服務(wù)好的尼開遠(yuǎn)做網(wǎng)站的公司定做！
在 NumPy中，每一個(gè)線性的數(shù)組稱為是一個(gè)軸（axis），也就是維度（dimensions），維度的數(shù)量稱為秩（rank）；比如說(shuō)，二維數(shù)組相當(dāng)于是兩個(gè)一維數(shù)組，即 二維數(shù)組有兩個(gè)軸，秩為2 。
重點(diǎn)：很多時(shí)候可以聲明 axis。 axis=0，表示沿著第 0 軸進(jìn)行操作，即對(duì)每一列進(jìn)行操作； axis=1，表示沿著第 1 軸進(jìn)行操作，即對(duì)每一行進(jìn)行操作。
| Numpy 常用屬性 | Numpy 常用屬性 |
|---|---|
| ndarray.ndim | 秩，即軸的數(shù)量或維度的數(shù)量 |
| ndarray.shape | 數(shù)組的維度，對(duì)于矩陣，n 行 m 列 |
| ndarray.size | 數(shù)組元素的總個(gè)數(shù)，相當(dāng)于 .shape 中 n*m 的值 |
| ndarray.dtype | ndarray 對(duì)象的元素類型 |
| ndarray.itemsize | ndarray 對(duì)象中每個(gè)元素的大小，以字節(jié)為單位 |
| ndarray.flags | ndarray 對(duì)象的內(nèi)存信息 |
| ndarray.real | ndarray元素的實(shí)部 |
| ndarray.imag | ndarray 元素的虛部 |
秩，即軸的數(shù)量或維度的數(shù)量
重慶分公司
重慶分公司
a = np.array([[1,2,3,4],[5,6,7,8]])
print ('a ndim:',a.ndim)
# a ndim: 2數(shù)組的維度，對(duì)于矩陣，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)ndarray 對(duì)象的元素類型；
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: float16ndarray 對(duì)象中每個(gè)元素的大小，以字節(jié)為單位
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常用的形狀變換函數(shù)如下：
| 函數(shù)名稱 | 功能描述 |
|---|---|
| reshape | 不改變數(shù)據(jù)的條件下修改數(shù)組形狀 |
| flat | 數(shù)組元素迭代器 |
| flatten | 返回一份數(shù)組拷貝，對(duì)拷貝所做的修改不會(huì)影響原始數(shù)組 |
| ravel | 返回展開數(shù)組 |
不改變數(shù)據(jù)的條件下修改數(shù)組形狀 ,函數(shù)的格式如下：
numpy.reshape(arr, newshape, order='C')
| 參數(shù)名稱 | 含義 |
|---|---|
| arr | 要修改形狀的數(shù)組 |
| newshape | 整數(shù)或者整數(shù)數(shù)組，新的形狀應(yīng)當(dāng)兼容原有形狀 |
| order | 'C' -- 按行，'F' -- 按列，'A' -- 原順序，'k' -- 元素在內(nèi)存中的出現(xiàn)順序。 |
也可以使用如下格式： arr.reshape(newshape, order='C')，作用與上面的格式完全一致：
舉例如下：
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)輸出為：
可以返回一個(gè)數(shù)組的迭代器，舉例如下：
a = np.array([[1,2,3,4],[5,6,7,8]])
i = 0
for j in a.flat:
i = i + 1
print('第%s個(gè)元素為：%s' %(i,j))
# 輸出：
# 第1個(gè)元素為：1
# 第2個(gè)元素為：2
# 第3個(gè)元素為：3
# 第4個(gè)元素為：4
# 第5個(gè)元素為：5
# 第6個(gè)元素為：6
# 第7個(gè)元素為：7
# 第8個(gè)元素為：8兩個(gè)函數(shù)均的功能基本一直，均為展開數(shù)組；格式如下：ndarray.flatten(order='C')numpy.ravel(a, order='C')
| 參數(shù)名稱 | 含義 |
|---|---|
| order | 'C' -- 按行(默認(rèn))，'F' -- 按列，'A' -- 原順序(不常用)，'K' -- 元素在內(nèi)存中的出現(xiàn)順序(不常用) |
舉例：
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]不同點(diǎn)為：在賦值時(shí)，flatten 不改變?cè)瓟?shù)組，ravel會(huì)改變?cè)瓟?shù)組，舉例如下： 該特點(diǎn)，在賦值時(shí)可以使用；
d = np.array([[1,2,3,4],[5,6,7,8]]) d.flatten()[1]=100 print(d) # 輸出：[[1 2 3 4] [5 6 7 8]] d.ravel()[2]=200 print(d) # 輸出：[[ 1 2 200 4] [ 5 6 7 8]]
以上就是“Numpy的屬性與形狀變換函數(shù)怎么用”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家閱讀完這篇文章都有很大的收獲，小編每天都會(huì)為大家更新不同的知識(shí)，如果還想學(xué)習(xí)更多的知識(shí)，請(qǐng)關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。
