NumPy 数组属性

在 NumPy 中，属性是 NumPy 数组的属性，它提供了有关数组的形状、大小、数据类型、维度等方面的信息。

例如，要获取数组的维度，我们可以使用 ndim 属性。

NumPy 提供了许多属性，我们将在下面进行学习。

常用的 NumPy 属性

以下是一些常用的 NumPy 属性

要访问 NumPy 属性，我们使用 . 符号。例如：

array1.ndim

这将返回 array1 的维度数。

NumPy 数组 ndim 属性

ndim 属性返回 NumPy 数组的维度数。例如：

import numpy as np

# create a 2-D array 
array1 = np.array([[2, 4, 6],
                  [1, 3, 5]])

# check the dimension of array1
print(array1.ndim) 

# Output: 2

在此示例中，array1.ndim 返回 array1 中存在的维度数。由于 array1 是一个二维数组，我们得到输出 2。

NumPy 数组 size 属性

size 属性返回给定数组中元素的总数。

让我们看一个例子。

import numpy as np

array1 = np.array([[1, 2, 3],
                 [6, 7, 8]])

# return total number of elements in array1
print(array1.size)

# Output: 6

在此示例中，array1.size 返回 array1 数组中元素的总数，而与维度数无关。

由于 array1 中总共有 6 个元素，因此 size 属性返回 6。

NumPy 数组 shape 属性

在 NumPy 中，shape 属性返回一个整数 元组，表示数组在每个维度上的大小。例如：

import numpy as np

array1 = np.array([[1, 2, 3],
                [6, 7, 8]])

# return a tuple that gives size of array in each dimension
print(array1.shape)

# Output: (2,3)

这里，array1 是一个二维数组，它有 2 行和 3 列。所以 array1.shape 返回元组 (2,3) 作为输出。

NumPy 数组 dtype 属性

我们可以使用 dtype 属性来检查 NumPy 数组的数据类型。例如：

import numpy as np

# create an array of integers 
array1 = np.array([6, 7, 8])

# check the data type of array1
print(array1.dtype) 

# Output: int64

在上例中，dtype 属性返回 array1 的数据类型。

由于 array1 是一个整数数组，默认情况下 array1 的数据类型被推断为 int64。

注意：要了解有关使用 dtype 属性检查数组数据类型的更多信息，请访问 NumPy 数据类型。

NumPy 数组 itemsize 属性

在 NumPy 中，itemsize 属性确定数组中每个元素的大小（以字节为单位）。例如：

import numpy as np

# create a default 1-D array of integers
array1 = np.array([6, 7, 8, 10, 13])

# create a 1-D array of 32-bit integers 
array2 = np.array([6, 7, 8, 10, 13], dtype=np.int32)

# use of itemsize to determine size of each array element of array1 and array2
print(array1.itemsize)  # prints 8
print(array2.itemsize)  # prints 4

输出

8
4

这里，

• array1 是一个默认包含 64 位整数的数组，每个元素使用 8 字节内存。因此，itemsize 返回 8 作为每个元素的大小。
• array2 是一个 32 位整数数组，因此该数组中的每个元素仅使用 4 字节内存。因此，itemsize 返回 4 作为每个元素的大小。

NumPy 数组 data 属性

在 NumPy 中，我们可以使用 data 属性获取包含数组在内存中实际元素的缓冲区。

简而言之，data 属性就像一个指向数组数据在计算机内存中存储位置的指针。

让我们看一个例子。

import numpy as np

array1 = np.array([6, 7, 8])
array2 = np.array([[1, 2, 3],
                   	    [6, 7, 8]])

# print memory address of array1's and array2's data
print("\nData of array1 is: ",array1.data)
print("Data of array2 is: ",array2.data)

输出

Data of array1 is: <memory at 0x7f746fea4a00>
Data of array2 is:  <memory at 0x7f746ff6a5a0>

在这里，data 属性分别返回 array1 和 array2 数据的内存地址。