NumPy Ndarray 对象

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，以 0 下标为开始进行集合中元素的索引。 

ndarray 对象是用于存放同类型元素的多维数组。 

SRE实战 互联网时代守护先锋，助力企业售后服务体系运筹帷幄！一键直达领取阿里云限量特价优惠。

ndarray 中的每个元素在内存中都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，描述在数组中的固定大小值的格子。

• 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:

跨度可以是负数，这样会使数组在内存中后向移动，切片中 obj[::-1] 或 obj[:,::-1] 就是如此。

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)

 

参数说明：

实例

例 1

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

输出结果如下：

[1, 2, 3]

 

例 2

# 多于一个维度
import numpy as np
a = np.array([[1, 2], [3, 4]])
print (a)

输出结果如下：

[[1, 2] 
 [3, 4]]

 

例 3

# 最小维度
import numpy as np
a = np.array([1, 2, 3, 4, 5], ndmin = 2)
print (a)

输出如下：

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

 

实例 4

# dtype 参数 
import numpy as np
a = np.array([1, 2, 3], dtype = complex)
print (a)

输出结果如下：

[ 1.+0.j,  2.+0.j,  3.+0.j]

 

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。

 

 

扫码关注我们

微信号：SRE实战

拒绝背锅 运筹帷幄