温馨提示×

温馨提示×

您好,登录后才能下订单哦!

密码登录×
登录注册×
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》

Numpy的属性与形状变换函数怎么用

发布时间:2022-10-18 15:09:44 来源:亿速云 阅读:140 作者:iii 栏目:编程语言

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。

一、最基本的属性

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>

二、Numpy 常用属性

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.dtypendarray 对象的元素类型
ndarray.itemsizendarray 对象中每个元素的大小,以字节为单位
ndarray.flagsndarray 对象的内存信息
ndarray.realndarray元素的实部
ndarray.imagndarray 元素的虚部

2.1 ndarray.ndim 数组维度

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

2.2 ndarray.shape  数组形状

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)

2.3 ndarray.dtype  数组类型

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

2.4 ndarray.itemsize   数组元素大小

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

三、形状变换

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

3.1 numpy.reshape  改变形状

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:

Numpy的属性与形状变换函数怎么用

3.2  nparray.flat   返回迭代器

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

3.3 ndarray.flatten  & numpy.ravel  平铺展开

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。

向AI问一下细节

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。

AI