NumPy ndarray 属性与方法完整指南

NumPy数组秩与轴的概念

在NumPy中，数组的维度被称为秩（rank）。一维数组的秩为1，二维数组的秩为2，依此类推。每一个线性排列的数组单元称为一个轴（axes），秩实际上描述了轴的数量。例如，二维数组可视为由多个一维数组组成的一维数组，其中包含的一维数组即为NumPy中的轴，而轴的总数即为数组的秩。

ndarray核心属性详解

NumPy库中的矩阵核心对象为ndarray，该对象拥有众多内置属性，包括T（转置）、data（数据缓冲区）、dtype（数据类型）、flags（状态标志）、flat（扁平化迭代器）、imag（虚部）、real（实部）、size（元素总数）、

itemsize（单个元素字节数）、nbytes（总字节数）、ndim（维数）、shape（形状元组）、strides（步长元组）、ctypes（C类型接口）以及base（基础对象）等。

>>> import numpy as np
>>> x=np.array([[1,2,3],[9,8,7],[6,5,4]])
>>> x.T  #获得x的转置矩阵
array([[1, 9, 6],
[2, 8, 5],
[3, 7, 4]])
>>> print x.flags #返回数组内部的信息
C_CONTIGUOUS : True
F_CONTIGUOUS : False
OWNDATA : True
WRITEABLE : True
ALIGNED : True
UPDATEIFCOPY : False
>>> x.flat[2:6]  #将数组变为1维数组，并获取其中的一部分数据
array([3, 9, 8, 7])
>>> x.flat = 4; x  #将值赋给1维数组，再转化成有原有数组的大小形式
array([[4, 4, 4],
[4, 4, 4],
[4, 4, 4]])
>>> x
array([[4, 4, 4],
[4, 4, 4],
[4, 4, 4]])

ndarray.imag 属性用于提取复数数组中的虚部，具体示例如下：

>>> x = np.sqrt([2+3j, 5+0j])  # 创建一个复数
>>> x
array([ 1.67414923+0.89597748j, 2.23606798+0.j    ])
>>> x.imag #获得复数的虚部
array([ 0.89597748, 0.    ])
>>> x.real  #获得复数的实部
array([ 1.67414923, 2.23606798])
>>> x=np.arange(10) #随机生成一个数组，并重新命名一个空间的数组
>>> x.reshape(2,5)
array([[0, 1, 2, 3, 4],
[5, 6, 7, 8, 9]])
>>> x.size  #获得数组中元素的个数
10
>>> x.ndim #获得数组的维数
>>> x.shape #获得数组的（行数，列数）
(10,)
>>> y=x.reshape(5,2)
>>> y
array([[0, 1],
[2, 3],
[4, 5],
[6, 7],
[8, 9]])
>>> y.base  #获得该数组基于另外一个对象数组而来，如下，y是根据x而来
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

ndarray常用操作方法

以下是ndarray对象支持的主要操作方法分类介绍。

ndarray.ptp(axis=None, out=None)：计算并返回数组沿指定轴的最大值与最小值之差（即极差）。

ndarray.clip(a_min, a_max, out=None)：对数组进行裁剪，将所有小于最小值（a_min）的元素设为最小值，所有大于最大值（a_max）的元素设为最大值。

ndarray.all()：若数组中所有元素均为真值，则返回True；否则返回False。

ndarray.any()：只要数组中有一个元素为真值，即返回True。

ndarray.swapaxes(axis1, axis2)：交换数组的两个指定轴，具体效果如下：

>>> z.swapaxes(0,1)
array([[2, 4, 6, 8],
[3, 5, 7, 9]])

数组维度变换与大小调整

接下来介绍用于改变数组维度和大小的相关方法。

ndarray.reshape(shape[, order])：返回一个具有新形状但元素数量保持不变的重命名视图数组。

ndarray.resize(new_shape[, refcheck])：直接修改数组的大小，此操作可能会改变数组中的元素数量。

ndarray.transpose(*axes)：返回矩阵的转置视图。

ndarray.swapaxes(axis1, axis2)：返回交换两个轴后的矩阵视图。

ndarray.flatten([order])：返回数组的一个副本，该副本被展平为一维数组。

ndarray.ravel([order])：返回展平后的一维数组视图（若可能）。

ndarray.squeeze([axis])：移除数组中长度为1的轴。

ndarray.tolist()：将数组转换为Python列表。

ndarray.take(indices, axis=None, out=None, mode='raise')：根据指定的索引获取数组中的数据，示例如下：

>>> a=np.arange(12).reshape(3,4)
>>> a
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
>>> a.take([1,3],axis=1) #提取1，3列的数据
array([[ 1, 3],
[ 5, 7],
[ 9, 11]])

numpy.put(a, ind, v, mode='raise')：使用值v替换数组a中索引ind处的元素。mode参数可选值为raise、wrap或clip。若mode为clip且索引超出数组范围，则替换最后一个元素。

numpy.repeat(a, repeats, axis=None)：重复数组的元素，如：
>>> x = np.array([[1,2],[3,4]])
>>> np.repeat(x, 2)
array([1, 1, 2, 2, 3, 3, 4, 4])
>>> np.repeat(x, 3, axis=1)
array([[1, 1, 1, 2, 2, 2],
[3, 3, 3, 4, 4, 4]])
>>> np.repeat(x, [1, 2], axis=0)
array([[1, 2],
[3, 4],
[3, 4]])

数组统计与数学运算方法

numpy.tile(A, reps)：根据给定的重复次数reps重复数组A。与repeat（重复元素）不同，tile用于重复整个数组结构。

ndarray.var(axis=None, dtype=None, out=None, ddof=0)：返回沿指定轴计算的数组方差。

ndarray.std(axis=None, dtype=None, out=None, ddof=0)：返回沿指定轴计算的数组标准差。

ndarray.prod(axis=None, dtype=None, out=None)：返回指定轴上所有元素的乘积。

ndarray.cumprod(axis=None, dtype=None, out=None)：返回指定轴上的累积乘积，示例如下：

>>> a
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
>>> a.cumprod(axis=1) #得到竖轴的累积
array([[  0,  0,  0,  0],
[  4,  20, 120, 840],
[  8,  72, 720, 7920]])

ndarray.mean(axis=None, dtype=None, out=None)：返回指定轴上数组元素的算术平均值。

ndarray.cumsum(axis=None, dtype=None, out=None)：返回指定轴上的元素累计和，示例如下：

>>> a
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
>>> a.cumsum(axis=1)
array([[ 0, 1, 3, 6],
[ 4, 9, 15, 22],
[ 8, 17, 27, 38]])

ndarray.sum(axis=None, dtype=None, out=None)：返回指定轴上所有元素的总和。

ndarray.trace(offset=0, axis1=0, axis2=1, dtype=None, out=None)：返回沿对角线方向的数组元素之和。

ndarray.round(decimals=0, out=None)：按指定精度对数组元素进行四舍五入，示例如下：

>>> np.around([0.37, 1.64])
array([ 0., 2.])
>>> np.around([0.37, 1.64], decimals=1)
array([ 0.4, 1.6])
>>> np.around([.5, 1.5, 2.5, 3.5, 4.5]) # rounds to nearest even value
array([ 0., 2., 2., 4., 4.])
>>> np.around([1,2,3,11], decimals=1) # ndarray of ints is returned
array([ 1, 2, 3, 11])
>>> np.around([1,2,3,11], decimals=-1)
array([ 0, 0, 0, 10])

ndarray.conj()：返回所有复数元素的共轭复数，示例如下：

>>> b=np.array([[1+2j,3+0j],[3+4j,7+5j]])
>>> b
array([[ 1.+2.j, 3.+0.j],
[ 3.+4.j, 7.+5.j]])
>>> b.conj()
array([[ 1.-2.j, 3.-0.j],
[ 3.-4.j, 7.-5.j]])

ndarray.argmin(axis=None, out=None)：返回指定轴上最小元素的索引。

ndarray.min(axis=None, out=None)：返回指定轴上的最小值。

ndarray.argmax(axis=None, out=None)：返回指定轴上最大元素的索引。

ndarray.diagonal(offset=0, axis1=0, axis2=1)：返回指定偏移量的对角线元素。

ndarray.compress(condition, axis=None, out=None)：返回满足指定条件的轴切片。

ndarray.nonzero()：返回非零元素的索引数组。

以上内容涵盖了NumPy ndarray的主要属性与方法，希望能为您的学习提供有益参考，欢迎继续支持本站获取更多技术资讯。