Myluzh Blog

Strive to become a dream architect.

Python numpy ndarray介绍

发布时间: 2023-7-13 文章作者: myluzh 分类名称: Python

0x01 ndarray属性
属性名字
 属性解释
ndarray.shape
 数组维度的元组
ndarray.ndim
 数组维数
ndarray.size
 数组中的元素数量
ndarray.itemsize
 个数组元素的长度 (字节)
ndarray.dtype
 数组元素的类型

0x02 ndarray形状 
import numpy as np

a = np.array([[1,2,3],[4,5,6]])
b = np.array([1,2,3,4])
c = np.array([[[1,2,3], [4,5,6]],[[1,2,3], [4,5,6]]])
>>> a.shape
Out[3]: (2, 3)#二维数组
>>> b.shape
Out[4]: (4,)#一维数组
>>> c.shape
Out[5]: (2, 2, 3)#三维数组

0x03 ndarray类型
名称 描述
bool_ 布尔型数据类型（True 或者 False）
int_ 默认的整数类型（类似于 C 语言中的 long，int32 或 int64）
intc 与 C 的 int 类型一样，一般是 int32 或 int 64
intp 用于索引的整数类型（类似于 C 的 ssize_t，一般情况下仍然是 int32 或 int64）
int8 字节（-128 to 127）
int16 整数（-32768 to 32767）
int32 整数（-2147483648 to 2147483647）
int64 整数（-9223372036854775808 to 9223372036854775807）
uint8 无符号整数（0 to 255）
uint16 无符号整数（0 to 65535）
uint32 无符号整数（0 to 4294967295）
uint64 无符号整数（0 to 18446744073709551615）
float_ float64 类型的简写
float16 半精度浮点数，包括：1 个符号位，5 个指数位，10 个尾数位
float32 单精度浮点数，包括：1 个符号位，8 个指数位，23 个尾数位
float64 双精度浮点数，包括：1 个符号位，11 个指数位，52 个尾数位
complex_ complex128 类型的简写，即 128 位复数
complex64 复数，表示双 32 位浮点数（实数部分和虚数部分）
complex128 复数，表示双 64 位浮点数（实数部分和虚数部分）


标签: python numpy ndarray

« Python numpy 生成01数组、固定数组 | Python numpy中ndarray与原生list对比»

发表评论