numpy是使用Python进行数据科学的基础库。numpy以一个强大的N维数组对象为中心，它还包含有用的线性代数，傅里叶变换和随机数函数。
ndarray数据
导入numpy
import numpy as np
numpy的ndarray一定程度上也是高效的，因为他们的所有元素必须是同一类型，通常是数字。可以通过查看dtype属性，检查数据类型。
c = np.arange(1, 5)
print(c.dtype, c)
输出：int32 [1 2 3 4]
除了让numpy猜测具体使用哪种数据类型，还可以在创建数组时，设置dtype参数来明确指定数据类型。
d = np.arange(1, 5, dtype=np.complex64)
print(d.dtype, d)
输出：complex64 [1.+0.j 2.+0.j 3.+0.j 4.+0.j]
可用的数据类型有int8, int16, int32, int64, uint8|16|32|64，float16|32|64，complex64|128等
itemsize属性返回每个元素的大小（字节）
e = np.arange(1, 5, dtype=np.int64)
e.itemsize
输出：
一个数组的数据，实际上作为一个平面（一维）字节缓冲区存储在内存中， 它可以通过data属性来获取，但很少用到它。
f = np.array([[1, 2], [1000, 2000]], dtype=np.int32)
f.data
输出：
<memory at 0x000000000531fc18>
</memory>
多个ndarray可以共享同一个数据缓冲区，这就意味着修改一个ndarray也会修改其他的ndarray。
改变ndarray的形状和设置它的形状一样简单，但是ndarray的大小必须保持不变。
g = np.arange(24)
print(g)
print("秩：", g.ndim)
输出：[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23]
秩： 1
g.shape = (6, 4)
print(g)
print("秩：", g.ndim)
输出：
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]
秩： 2
g.shape = (2, 3, 4)
print(g)
print("秩：", g.ndim)
输出：
[[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[[12 13 14 15]
[16 17 18 19]
[20 21 22 23]]]
秩： 3
reshape函数返回一个指向相同数据的新ndarray对象，这意味着修改一个ndarray也会修改另一个ndarray。
g2 = g.reshape(4, 6)
print(g2)
print("秩：", g2.ndim)
输出：
[[ 0 1 2 3 4 5]
[ 6 7 8 9 10 11]
[12 13 14 15 16 17]
[18 19 20 21 22 23]]
秩： 2
将第1行，第2列的元素修改为999
g2[1, 2] = 999
g2
输出：
array([[ 0, 1, 2, 3, 4, 5],
[ 6, 7, 999, 9, 10, 11],
[ 12, 13, 14, 15, 16, 17],
[ 18, 19, 20, 21, 22, 23]])
g的对应元素也被修改了
输出：
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[999, 9, 10, 11]],
[[ 12, 13, 14, 15],
[ 16, 17, 18, 19],
[ 20, 21, 22, 23]]])
ravel函数返回一个新的一维ndarray，也指向相同的数据
g3 = g.ravel()
g3
输出：
array([ 0, 1, 2, 3, 4, 5, 6, 7, 999, 9, 10, 11, 12,
13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23])
将g3的第一个元素修改为1000，则g和g2的对应元素也被修改了
g3[0] = 1000
print(g3)
print(g2)
print(g)
输出：
[1000 1 2 3 4 5 6 7 999 9 10 11 12 13
14 15 16 17 18 19 20 21 22 23]
[[1000 1 2 3 4 5]
[ 6 7 999 9 10 11]
[ 12 13 14 15 16 17]
[ 18 19 20 21 22 23]]
[[[1000 1 2 3]
[ 4 5 6 7]
[ 999 9 10 11]]
[[ 12 13 14 15]
[ 16 17 18 19]
[ 20 21 22 23]]]
Original: https://blog.csdn.net/qq_38727995/article/details/123481140
Author: 凯旋.Lau
Title: numpy教程02—ndarray数据和reshape重塑
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/759866/
转载文章受原作者版权保护。转载请注明原作者出处！