0_NumPy Ndarray 對象

NumPy 最重要的一個特點是其 N 維數組對象 ndarray，它是一系列同類型數據的集合，以 0 下標爲開始進行集合中元素的索引。

ndarray 對象是用於存放同類型元素的多維數組。

ndarray 中的每個元素在內存中都有相同存儲大小的區域。

ndarray 內部由以下內容組成：

• 一個指向數據（內存或內存映射文件中的一塊數據）的指針。
• 數據類型或 dtype，描述在數組中的固定大小值的格子。
• 一個表示數組形狀（shape）的元組，表示各維度大小的元組。
• 一個跨度元組（stride），其中的整數指的是爲了前進到當前維度下一個元素需要"跨過"的字節數。
  
  跨度可以是負數，這樣會使數組在內存中後向移動，切片中 obj[::-1] 或 obj[:,::-1] 就是如此。

創建一個 ndarray 只需調用 NumPy 的 array 函數即可：

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

參數說明：

名稱 描述
object 數組或嵌套的數列
dtype 數組元素的數據類型，可選
copy 對象是否需要複製，可選
order 創建數組的樣式，C爲行方向，F爲列方向，A爲任意方向（默認）
subok 默認返回一個與基類類型一致的數組
ndmin 指定生成數組的最小維度

實例

實例 1

import numpy as np 
a = np.array([1,2,3])  
print (a)

輸出結果如下：

[1, 2, 3]

NumPy 教程
NumPy 教程
NumPy 安裝
NumPy Ndarray 對象
NumPy 數據類型
NumPy 數組屬性
NumPy 創建數組
NumPy 從已有的數組創建數組
NumPy 從數值範圍創建數組
NumPy 切片和索引
NumPy 高級索引
NumPy 廣播(Broadcast)
NumPy 迭代數組
Numpy 數組操作
NumPy 位運算
NumPy 字符串函數
NumPy 數學函數
NumPy 算術函數
NumPy 統計函數
NumPy 排序、條件刷選函數
NumPy 字節交換
NumPy 副本和視圖
NumPy 矩陣庫(Matrix)
NumPy 線性代數
NumPy IO
NumPy Matplotlib
NumPy 安裝NumPy 數據類型
NumPy Ndarray 對象
NumPy 最重要的一個特點是其 N 維數組對象 ndarray，它是一系列同類型數據的集合，以 0 下標爲開始進行集合中元素的索引。

ndarray 對象是用於存放同類型元素的多維數組。

ndarray 中的每個元素在內存中都有相同存儲大小的區域。

ndarray 內部由以下內容組成：

一個指向數據（內存或內存映射文件中的一塊數據）的指針。

數據類型或 dtype，描述在數組中的固定大小值的格子。

一個表示數組形狀（shape）的元組，表示各維度大小的元組。

一個跨度元組（stride），其中的整數指的是爲了前進到當前維度下一個元素需要"跨過"的字節數。

ndarray 的內部結構:

跨度可以是負數，這樣會使數組在內存中後向移動，切片中 obj[::-1] 或 obj[:,::-1] 就是如此。

創建一個 ndarray 只需調用 NumPy 的 array 函數即可：

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)
參數說明：

名稱 描述
object 數組或嵌套的數列
dtype 數組元素的數據類型，可選
copy 對象是否需要複製，可選
order 創建數組的樣式，C爲行方向，F爲列方向，A爲任意方向（默認）
subok 默認返回一個與基類類型一致的數組
ndmin 指定生成數組的最小維度
實例
接下來可以通過以下實例幫助我們更好的理解。

實例 1

import numpy as np 
a = np.array([1,2,3])  
print (a)

輸出結果如下：

[1, 2, 3]

實例 2

# 多於一個維度  
import numpy as np 
a = np.array([[1,  2],  [3,  4]])  
print (a)

輸出結果如下：

# 多於一個維度  
[[1, 2] 
 [3, 4]]

實例 3

# 最小維度  
import numpy as np 
a = np.array([1,  2,  3,4,5], ndmin =  2)  
print (a)

輸出如下：

[[1, 2, 3, 4, 5]]

實例 4

# dtype 參數  
import numpy as np 
a = np.array([1,  2,  3], dtype = complex)  
print (a)

輸出結果如下：
[ 1.+0.j, 2.+0.j, 3.+0.j]