NumPy 属性

数组的属性对于确定数组的形状、维度、项大小等至关重要。如果与 numpy ndarray 对象相关，我们可以深入了解这些属性。让我们通过相应的实例来检查其中一些属性。

现在我们已经了解了多维数组，我们将检查以编程方式检查数组属性（例如，其维度）的技术。理解数组的“形状”至关重要。

为了设置我们教程的背景，我们将首先创建一个基本的 numpy 数组。

代码

输出

[[[2 4 7 8]
  [2 5 8 6]]

 [[3 8 6 4]
  [8 6 4 9]]

 [[2 9 6 8]
  [6 7 2 9]]]

前面的代码表明这是一个这样创建的 3D 数组。

• Axis-0 决定选择哪个 3 个切片。
• 任何切片的 Axis-1 决定选择它的哪个 2 行。
• Axis 2 决定在任何切片和行中选择哪个 4 列。

ndarray.shape

此属性返回数组的维度。NumPy 数组的大小表示为整数值元组。例如，一个有 n 行 m 列的矩阵的形状将是 (n * m) 的形式。

代码

输出

[[[2 4 7 8]
  [2 5 8 6]]

 [[3 8 6 4]
  [8 6 4 9]]

 [[2 9 6 8]
  [6 7 2 9]]]
The shape of the array: 
(3, 2, 4)

我们可以通过重新排列形状元组来更改任何 numpy 数组的形状。

代码

输出

The shape of the original array is:  (3, 2, 4)
The new shape of the array is:  (2, 2, 6)

ndarray.ndim

此功能使得确定任何给定 NumPy 数组有多少个维度变得更加容易。例如，数字 1 表示 1D numpy 数组，数字 2 表示 2D numpy 数组，依此类推。

代码

输出

The dimension of the array: 
3

ndarray.itemsize

此属性使确定 NumPy 数组中每个元素的长度（以字节为单位）变得更加容易。例如，如果您的数组包含整数，此功能将给出 88，因为整数需要 88 位内存。

代码

输出

The itemsize of the array is:  8