Python大数据分析算法与实例最新章节_邓立国著

3.5　数组属性

这一节讨论NumPy的多种数组属性。

（1）shape

语法：ndarray.shape

这一数组属性返回一个包含数组维度的元组，它也可以用于调整数组大小。

【例3.8】

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

输出如下：

   (2, 3)

【例3.9】

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

输出如下：

   [[1, 2]
    [3, 4]
    [5, 6]]

【例3.10】

NumPy还提供了reshape函数来调整数组大小。

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

输出如下：

   [[1, 2]
    [3, 4]
    [5, 6]]

（2）ndim

语法：ndarray. ndim

这一数组属性返回数组的维数。

【例3.11】

   # 等间隔数字的数组
   import numpy as np
   a = np.arange(24)
   print a.ndim

输出如下：

   [0 1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  16 17 18 19 20 21 22 23]

【例3.12】

   # 一维数组
   import numpy as np
   a = np.arange(24) a.ndim
   # 现在调整其大小
   b = a.reshape(2,4,3)
   print b
   # b 现在拥有3个维度

输出如下：

   [[[ 0,  1,  2]
     [ 3,  4,  5]
     [ 6,  7,  8]
     [ 9, 10, 11]]
     [[12, 13, 14]
     [15, 16, 17]
     [18, 19, 20]
     [21, 22, 23]]]

（3）itemsize

语法：numpy. itemsize

这一数组属性返回数组中每个元素的字节单位长度。

【例3.13】

   # 数组的 dtype 为 int8(一字节)
   import numpy as np
   x = np.array([1,2,3,4,5], dtype = np.int8)
   print x.itemsize

输出如下：

（4）flags

语法：numpy. flags

ndarray对象拥有以下属性。这个函数返回了它们的当前值。

【例3.14】

展示当前的标志。

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

输出如下：

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

表3.2列出了ndarray对象的属性及描述。

表3.2　ndarray对象属性