numpy數組屬性

NumPy 數組的維數稱為秩（rank），即數組的維度。

NumPy中，每一個線性的數組稱為是一個軸（axis），axis=0，表示沿着第 0 軸進行操作，即對每一列進行操作；axis=1，表示沿着第1軸進行操作，即對每一行進行操作。

NumPy 的數組中比較重要 ndarray 對象屬性有：

屬性             說明
ndarray.ndim    秩，即軸的數量或維度的數量
ndarray.shape    數組的維度，對於矩陣，n 行 m 列
ndarray.size    數組元素的總個數，相當於 .shape 中 n*m 的值
ndarray.dtype    ndarray 對象的元素類型
ndarray.itemsize    ndarray 對象中每個元素的大小，以字節為單位
ndarray.flags    ndarray 對象的內存信息
ndarray.real    ndarray元素的實部
ndarray.imag    ndarray 元素的虛部
ndarray.data    包含實際數組元素的緩沖區，由於一般通過數組的索引獲取元素，所以通常不需要使用這個屬性。

import numpy as np 
 
a = np.arange(24)  
print (a.ndim)             # a 現只有一個維度
# 現在調整其大小
b = a.reshape(2,4,3)  # b 現在擁有三個維度
print (b.ndim)
輸出結果為：

1
3

import numpy as np  
 
a = np.array([[1,2,3],[4,5,6]])  
print (a.shape)
a = np.array([[1,2,3],[4,5,6]]) 
a.shape =  (3,2)  
print (a)

#結果為
(2, 3)
[[1 2]
 [3 4]
 [5 6]]

ndarray.itemsize

ndarray.itemsize 以字節的形式返回數組中每一個元素的大小。

例如，一個元素類型為 float64 的數組 itemsiz 屬性值為 8(float64 占用 64 個 bits，每個字節長度為 8，所以 64/8，占用 8 個字節），又如，一個元素類型為 complex32 的數組 item 屬性為 4（32/8）。

import numpy as np 
 
# 數組的 dtype 為 int8（一個字節）  
x = np.array([1,2,3,4,5], dtype = np.int8)  
print (x.itemsize)
 
# 數組的 dtype 現在為 float64（八個字節） 
y = np.array([1,2,3,4,5], dtype = np.float64)  
print (y.itemsize)
# 輸出結果為：

1
8

ndarray.flags

ndarray.flags 返回 ndarray 對象的內存信息，包含以下屬性：

屬性                 描述
C_CONTIGUOUS (C)    數據是在一個單一的C風格的連續段中
F_CONTIGUOUS (F)    數據是在一個單一的Fortran風格的連續段中
OWNDATA (O)    數組擁有它所使用的內存或從另一個對象中借用它
WRITEABLE (W)    數據區域可以被寫入，將該值設置為 False，則數據為只讀
ALIGNED (A)    數據和所有元素都適當地對齊到硬件上
UPDATEIFCOPY (U)    這個數組是其它數組的一個副本，當這個數組被釋放時，原數組的內容將被更新

import numpy as np 
 
x = np.array([1,2,3,4,5])  
print (x.flags)
# 輸出結果為：

  C_CONTIGUOUS : True
  F_CONTIGUOUS : True
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False