Python Numpy数组属性详解与矩阵创建方法

ndarray.ndim属性用于获取数组的维度数量。

ndarray.shape属性返回一个元组，表示数组在各个维度上的大小，即形状。

ndarray.size属性表示数组中所有元素的总个数。

ndarray.dtype属性定义了数组中元素的数据类型。

ndarray.itemsize属性返回数组中每个元素所占用的字节数。

创建数组的基本方法如下：

a = np.array([2,23,4]) 
# list 1d
print(a)
# [2 23 4]

在创建数组时，可以通过dtype参数明确指定元素的数据类型：

a = np.array([2,23,4],dtype=np.int)
print(a.dtype)
# int 64

dtype参数支持多种类型，如int32、float、float32等。若未指定具体位数，默认情况下整数类型为int64，浮点类型为float64。

a = np.zeros((3,4)) # 数据全为0，3行4列
"""

a = np.ones((3,4),dtype = np.int)  # 数据为1，3行4列
a = np.empty((3,4)) # 数据为empty，3行4列

使用empty类型创建的数组，其初始内容是不确定的随机值，具体取决于内存当前的状态。

a = np.arange(10,20,2) # 10-19 的数据，2步长
a = np.arange(12).reshape((3,4))  # 3行4列，0到11

可以使用reshape方法修改数据的形状，例如将一维数组转换为3行4列的二维数组。

a = np.linspace(1,10,20)  # 开始端1，结束端10，且分割成20个数据，生成线段

linspace函数允许用户精确指定生成数据的数量，而arange函数则无法直接指定生成的数据点总数。此外，linspace生成的数组同样可以使用reshape方法来定义其结构。