学习《Numpy快速教程

NumPy的主要对象是同类型的多维数组。它是一张表，所有元素（通常是数字）的类型都相同，并通过正整数元组索引。在NumPy中，维度称为轴。轴的数目为rank。

NumPy的数组类被称为ndarray。别名为 array。请注意，numpy.array 与标准Python库类 array.array 不同，后者仅处理一维数组并提供较少的功能。 ndarray 对象则提供更关键的属性：

ndarray.ndim：数组的轴（维度）的个数。在Python世界中，维度的数量被称为rank。
ndarray.shape：数组的维度。这是一个整数的元组，表示每个维度中数组的大小。对于有n行和m列的矩阵，shape将是(n,m)。因此，shape元组的长度就是rank或维度的个数 ndim。
ndarray.size：数组元素的总数。这等于shape的元素的乘积。
ndarray.dtype：一个描述数组中元素类型的对象。可以使用标准的Python类型创建或指定dtype。另外NumPy提供它自己的类型。例如numpy.int32、numpy.int16和numpy.float64。
ndarray.itemsize：数组中每个元素的字节大小。例如，元素为 float64 类型的数组的 itemsize 为8（=64/8），而 complex32 类型的数组的 itemsize 为4（=32/8）。它等于 ndarray.dtype.itemsize 。
ndarray.data：该缓冲区包含数组的实际元素。通常，我们不需要使用此属性，因为我们将使用索引访问数组中的元素。

一个典型的例子

 1 >>> import numpy as np
 2 >>> a = np.arange(15).reshape(3, 5)
 3 >>> a
 4 array([[ 0,  1,  2,  3,  4],
 5         [ 5,  6,  7,  8,  9],
 6         [10, 11, 12, 13, 14]])
 7 >>> a.shape
 8 (3, 5)
 9 >>> a.ndim
10 2
11 >>> a.dtype.name
12 'int64'
13 >>> a.itemsize
14 8
15 >>> a.size
16 15
17 >>> type(a)
18 <type 'numpy.ndarray'>
19 >>> b = np.array([6, 7, 8])
20 >>> b
21 array([6, 7, 8])
22 >>> type(b)
23 <type 'numpy.ndarray'>

View Code