NumPy——ndarray數據的維度

數據的維度

維度：一組數據的組織形式

 

 

一維數據采用線性方式組織
列表和數組
列表：數據類型可以不同
數組：數據類型相同

 

二維數據由多個一維數據構成，是一維數據的組合形式

 

ndarray 數組對象

ndarray是一個多維數組對象，由兩部分組成：
1）實際的數據
2）描述這些數據的元數據（數據維度、數據類型等）

 

使用np.array()生成一個ndarray數組
直接打印np.array輸出以[ ]包裹，元素以空格分割
其中：
軸（axis）是保存數據的維度
秩（rank）是軸的數量

 

屬性：擁有六個參數 詳見上一篇
其中詳細描述一下np.shape：
shape表示數組對象的形狀，當打印的時候，有多少層嵌套的中括號對應就有幾個維度，如果同一維度元素數量不一致，則會空出對應維度的元素數

import numpy as np

def ndarray():
    a0 = np.array(1)
    a = np.array([1])
    b = np.array([1,2,3])
    c = np.array([[1,2,3],[4,5,6]])
    d = np.array([[1,2,3],[1,2]])
    e = np.array([[[1,2,3]]])
    print(a0.shape,a.shape,b.shape,c.shape,d.shape,e.shape)
    return 0

ndarray()

結果：

() (1,) (3,) (2, 3) (2,) (1, 1, 3)

ndarray數組一般要求所有元素類型相同（同質），數組下標從0開始。
在數組元素維度相同的時候可以將數組對象作為單一數據進行運算

import numpy as np

def pySum():
    a=[0,1,2,3,4]
    b=[9,8,7,6,5]
    c=[]

    for i in range(len(a)):
        c.append(a[i]**2 + b[i]**3)

    return c

def npSum():
    a=np.array([0,1,2,3,4])
    b=np.array([9,8,7,6,5])
    c = a**2 + b**3
    return c

print(pySum())
print(npSum())

運行結果：

[729, 513, 347, 225, 141]
[729 513 347 225 141]