这篇文章主要讲解了“Numpy的属性与形状变换怎么应用”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“Numpy的属性与形状变换怎么应用”吧！

成都创新互联-专业网站定制、快速模板网站建设、高性价比马村网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式马村网站制作公司更省心,省钱,快速模板网站建设找我们，业务覆盖马村地区。费用合理售后完善，10余年实体公司更值得信赖。

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 。

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。

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.dtype	ndarray 对象的元素类型
ndarray.itemsize	ndarray 对象中每个元素的大小，以字节为单位
ndarray.flags	ndarray 对象的内存信息
ndarray.real	ndarray元素的实部
ndarray.imag	ndarray 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：

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]]

感谢各位的阅读，以上就是“Numpy的属性与形状变换怎么应用”的内容了，经过本文的学习后，相信大家对Numpy的属性与形状变换怎么应用这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！

文章标题：Numpy的属性与形状变换怎么应用
分享路径：http://azwzsj.com/article/jiidgj.html