今天小编给大家分享一下Numpy的属性与形状变换函数怎么用的相关知识点,内容详细,逻辑清晰,相信大部分人都还太了解这方面的知识,所以分享这篇文章给大家参考一下,希望大家阅读完这篇文章后有所收获,下面我们一起来了解一下吧。
在 NumPy中,每一个线性的数组称为是一个轴(axis),也就是维度(dimensions),维度的数量称为秩(rank);比如说,二维数组相当于是两个一维数组,即 二维数组有两个轴,秩为2 。
<font color=blue > 重点:很多时候可以声明 axis。 axis=0,表示沿着第 0 轴进行操作,即对每一列进行操作; axis=1,表示沿着第 1 轴进行操作,即对每一行进行操作。</font>
Numpy 常用属性 | Numpy 常用属性 |
---|---|
ndarray.ndim | 秩,即轴的数量或维度的数量 |
ndarray.shape | 数组的维度,对于矩阵,n 行 m 列 |
ndarray.size | 数组元素的总个数,相当于 .shape 中 n*m 的值 |
ndarray.dtype | ndarray 对象的元素类型 |
ndarray.itemsize | ndarray 对象中每个元素的大小,以字节为单位 |
ndarray.flags | ndarray 对象的内存信息 |
ndarray.real | ndarray元素的实部 |
ndarray.imag | ndarray 元素的虚部 |
秩,即轴的数量或维度的数量
a = np.array([[1,2,3,4],[5,6,7,8]]) print ('a ndim:',a.ndim) # a ndim: 2
数组的维度,对于矩阵,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 对象的元素类型;
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: float16
ndarray 对象中每个元素的大小,以字节为单位
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
常用的形状变换函数如下:
函数名称 | 功能描述 |
---|---|
reshape | 不改变数据的条件下修改数组形状 |
flat | 数组元素迭代器 |
flatten | 返回一份数组拷贝,对拷贝所做的修改不会影响原始数组 |
ravel | 返回展开数组 |
不改变数据的条件下修改数组形状 ,函数的格式如下:
numpy.reshape(arr, newshape, order='C')
参数名称 | 含义 |
---|---|
arr | 要修改形状的数组 |
newshape | 整数或者整数数组,新的形状应当兼容原有形状 |
order | 'C' -- 按行,'F' -- 按列,'A' -- 原顺序,'k' -- 元素在内存中的出现顺序。 |
也可以使用如下格式: arr.reshape(newshape, order='C')
,作用与上面的格式完全一致:
举例如下:
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)
输出为:
可以返回一个数组的迭代器,举例如下:
a = np.array([[1,2,3,4],[5,6,7,8]]) i = 0 for j in a.flat: i = i + 1 print('第%s个元素为:%s' %(i,j)) # 输出: # 第1个元素为:1 # 第2个元素为:2 # 第3个元素为:3 # 第4个元素为:4 # 第5个元素为:5 # 第6个元素为:6 # 第7个元素为:7 # 第8个元素为:8
两个函数均的功能基本一直,均为展开数组;格式如下:ndarray.flatten(order='C')
numpy.ravel(a, order='C')
参数名称 | 含义 |
---|---|
order | 'C' -- 按行(默认),'F' -- 按列,'A' -- 原顺序(不常用),'K' -- 元素在内存中的出现顺序(不常用) |
举例:
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]
不同点为:在赋值时,flatten 不改变原数组,ravel会改变原数组,举例如下: 该特点,在赋值时可以使用;
d = np.array([[1,2,3,4],[5,6,7,8]]) d.flatten()[1]=100 print(d) # 输出:[[1 2 3 4] [5 6 7 8]] d.ravel()[2]=200 print(d) # 输出:[[ 1 2 200 4] [ 5 6 7 8]]
以上就是“Numpy的属性与形状变换函数怎么用”这篇文章的所有内容,感谢各位的阅读!相信大家阅读完这篇文章都有很大的收获,小编每天都会为大家更新不同的知识,如果还想学习更多的知识,请关注亿速云行业资讯频道。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。