二、Numpy基礎：數組修改

一、數組屬性

• 維度：.ndim，返回當前數組維度
• 類型：.dtype，返回數組內元素的數據類型，注：numpy定義的數組數據類型是統一，不能多類型混合
• 形狀：.shape，返回數據形狀，數組每層中的元素個數
• 元素總數：.size，返回數組中元素總個數
• 字節大小：.itemsize，返回數組中每個元素的字節大小。

import numpy as np
a=np.full((2,5,4),10)
print("數組a:",a)
print("數組a中元素總數:",a.size)
print("數組a的形狀:",a.shape)
print("數組a中的元素類型:",a.dtype)
print("數組a的維度:",a.ndim)
print("數組a中的元素字節大小:",a.itemsize)
>>>
數組a: [[[10 10 10 10]
  [10 10 10 10]
  [10 10 10 10]
  [10 10 10 10]
  [10 10 10 10]]

 [[10 10 10 10]
  [10 10 10 10]
  [10 10 10 10]
  [10 10 10 10]
  [10 10 10 10]]]
數組a中元素總數: 40
數組a的形狀: (2, 5, 4)
數組a中的元素類型: int32
數組a的維度: 3
數組a中的元素字節大小: 4

二、數據類型

• 不指定的情況下，numpy會自動推斷出適合的數據類型，所以一般不需要顯示給定數據類型。
• 數值型dtype的命名方式為：一個類型名稱(eg:int、float等)，后接一個表示各個元素位長的數字
• 如Python的float數據類型(雙精度浮點值)，需要占用8個字節(64位)，因此在NumPy中記為float64
• 每個數據類型都有一個類型代碼，即簡寫方式

數據類型		簡寫	說明	字節	范圍
整型	int_		默認整形
	intc		等價於long的整形
	int8	i1	字節整形	1	[-128,127]
	int16	i2	整形	2	[-32768,32767]
	int32	i3	整形	4	[-2^31, 2^31-1]
	int64	i4	整形	6	[-2^63, 2^63-1]
無符號 整型	uint8	u1	無符號整形	1	[0,255]
	uint16	u2	無符號整形	2	[0,65535]
	uint32	u3	無符號整形	1	[0, 2^32-1]
	uint64	u4	無符號整形	1	[0,2^64-1]
布爾	bool_		布爾值	1	True或者False
浮點型	float_		float64簡寫形式	8
	float16	f2	半精度浮點型	2	1符號位+5位指數+10位的小數部分
	float32	f4或者f	單精度浮點型	4	1符號位+8位指數+23位的小數部分
	float64	f8或者d	雙精度浮點型	8	1符號位+11位指數+52位的小數部分
復數	complex_	c16	complex128的簡寫形式
	complex64	c8	復數，由兩個32位的浮點數來表示	32
	complex128	c16	復數，由兩個64位的浮點數來表示	64
對象	object	O	Python對象類型
字符串	String_	S	固定長度的字符串類型(每個字符1個字節)
	Unicode_	U	固定長度的unicode類型的字符串

 

 

 

三、數組修改（屬性）

• 形狀修改：.reshape()、.T
• 維度修改：.reshape()
• 類型修改：.astype()

3.1、reshape()方法：修改數組形狀與維度

• 直接修改數組ndarray的shape值,要求修改后乘積不變。
• 直接使用reshape函數創建一個改變尺寸的新數組，原數組的shape保持不變，但是新數組和原數組共享一個內存空間，也就是修改任何一個數組中的值都會對另外一個產生影響，另外要求新數組的元素個數和原數組一致。
• 當指定某一個軸為-1的時候，表示將根據數組元素的數量自動計算該軸的長度值。

import numpy as np
a=np.arange(30)
print("原數組（一維）：",a)
b=a.reshape(2,3,5)
print("新數組（三維）：",b)
b[1][2][2]=666
print("修改b中的數值會影響到a：",a)
print("對b使用降維打擊：",b.reshape(10,-1))
>>>
原數組（一維）： 
[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29]
新數組（三維）：
 [[[ 0  1  2  3  4]
  [ 5  6  7  8  9]
  [10 11 12 13 14]]

 [[15 16 17 18 19]
  [20 21 22 23 24]
  [25 26 27 28 29]]]
修改b中的數值會影響到a：
 [  0   1   2   3   4   5   6   7   8   9  10  11  12  13  14  15  16  17
  18  19  20  21  22  23  24  25  26 666  28  29]
對b使用降維打擊： 
[[  0   1   2]
 [  3   4   5]
 [  6   7   8]
 [  9  10  11]
 [ 12  13  14]
 [ 15  16  17]
 [ 18  19  20]
 [ 21  22  23]
 [ 24  25  26]
 [666  28  29]]

3.2、T方法：行列轉置

• 使用T方法以后，可以對數組進行行列轉置。

import numpy as np
a=np.random.randint(1,10,size=(2,3,4))
b=a.T
print(b.shape)
>>>
(4, 3, 2)

3.2、astype()方法：修改元素類型

• 如果需要更改一個已經存在的數組的數據類型，可以通過astype方法進行修改從而得到一個新數組。

import numpy as np
a=np.arange(1,5)
print("原數組：{0}，其數據類型為：{1}".format(a,a.dtype))
b=a.astype(float)
print("新數組：{0}，其數據類型為：{1}".format(b,b.dtype))
>>>
原數組：[1 2 3 4]，其數據類型為：int32
新數組：[1. 2. 3. 4.]，其數據類型為：float64