一、NumPy數組屬性

NumPy 數組的維數稱爲秩 (rank)，維度稱爲軸 (axis) ，一維數組的秩爲 1，二維數組的秩爲 2，以此類推。

在 NumPy中，軸 (axis) 一般是在超過一維數組時作用更大的屬性：

• 一維數組時，axis=0
• 二維數組時，axis=0, 1
• N 維數組時，axis=0, 1, …, N

當對某一軸進行操作時，我們可以這樣看待：

• 一維數組，axis=0 表示沿着第 0 軸進行操作，即跨列操作；
• 二維數組，axis=0 表示沿着第 0 軸進行操作，即跨行操作；axis=1 表示沿着第 1 軸進行操作，即跨列操作
• 三維數組，axis=0 表示沿着第 0 軸進行操作，即跨表操作；axis=1 表示沿着第 1 軸進行操作，即跨行操作；axis=2 表示沿着第 2 軸進行操作，即跨列操作

ndarray屬性表

屬性	說明
ndarray.ndim	秩 (rank)，即數組的軸（維度）的個數
ndarray.shape	數組形狀，返回一個元組表示各個維度中元素的個數
ndarray.size	數組元素的總數，相當於np.prod(ndarray.shape)
ndarray.dtype	數組中每個元素的數據類型和數據 (bit) 大小
ndarray.itemsize	數組中每個元素的字節 (byte) 大小，1 byte=8 bit
ndarray.flags	數組的內存信息
ndarray.real	數組元素的實部
ndarray.imag	數組元素的虛部

ndarray.ndim

ndarray.ndim 返回秩 (rank)，即數組的軸（維度）的個數

import numpy as np 
a = np.arange(24)  
print (a.ndim)			# a 現只有一個維度
# 現在調整其大小
b = a.reshape(2,4,3)	# b 現在擁有三個維度
print (b.ndim)

# 輸出
1
3

ndarray.shape

ndarray.shape 數組形狀，返回一個元組表示各個維度中元素的個數。比如，一個二維數組，其數組形狀爲 (行數, 列數)

import numpy as np  
a=np.array([[1,2,3],[4,5,6]])  
print(a.shape)

# 輸出
(2, 3)

ndarray.shape 也可以用於調整數組結構，但要保證元素的總個數 (size) 不能變

import numpy as np 
a=np.array([[1,2,3],[4,5,6]]) 
a.shape=(3,2)  
print(a)

# 輸出
[[1 2]
 [3 4]
 [5 6]]

ndarray.reshape(shape)

也可以使用 ndarray.reshape() 函數來調整數組結構，但要保證元素的總個數 (size) 不能變，會創建一個新對象，不會改變原對象

import numpy as np 
a=np.array([[1,2,3],[4,5,6]]) 
b=a.reshape(3,2)  
print (b)

# 輸出
[[1, 2] 
 [3, 4] 
 [5, 6]]

ndarray.size

ndarray.size 返回數組元素的總數，相當於np.prod(ndarray.shape)

import numpy as np 
x=np.zeros((3,5,2),dtype=np.complex128)
print(x.size)
print(np.prod(x.shape))

# 輸出
30
30

ndarray.dtype

ndarray.dtype 返回數組中每個元素的數據類型和數據 (bit) 大小

# 查詢dtype
arr1=np.array([1,2,3],dtype=np.float64)
print(arr1.dtype)

# 輸出
float64

ndarray.astype(dtype)

ndarray.astype(dtype) 轉換數組的數據類型，會創建一個新對象，不會改變原對象

# 浮點數數組轉換整數數組，小數點後的部分將被省略
arr1=np.array([3.7,-1.2,-2.6,0.5,12.9,10.1])
print(arr1)
print(arr1.dtype)
int_arr1=arr1.astype(np.int32)
print(int_arr1)
print(int_arr1.dtype)
# 直接使用另一個數組的類型
arr2=np.array([1,2,3,4,5])
astype_arr=arr1.astype(arr2.dtype)
print(astype_arr)

# 輸出
[ 3.7 -1.2 -2.6  0.5 12.9 10.1]
float64
[ 3 -1 -2  0 12 10]
int32
[ 3 -1 -2  0 12 10]

# 把浮點數含義的Unicode字符串轉換爲浮點數（注：不能直接轉換爲整型）
num_strings=np.array([1.25,-9.6,42],dtype=np.str)
print(num_strings)
print(num_strings.dtype)
num_floats=num_strings.astype(np.float)
print(num_floats)
print(num_floats.dtype)

# 輸出
['1.25' '-9.6' '42']
<U4
[ 1.25 -9.6  42.  ]
float64

ndarray.itemsize

ndarray.itemsize 返回數組中每個元素的字節 (byte) 大小

例如，一個數據類型爲 float64 的數組 itemsize 屬性爲 8 (float64 佔用 64 個 bits，每個字節長度爲 8，所以 64/8，佔用 8 個字節)；又如，一個數據類型爲 complex32 的數組 itemsize 屬性爲 4（32/8）。

import numpy as np
# x數組的dtype爲int8（一個字節）  
x = np.array([1,2,3,4,5], dtype = np.int8)  
print (x.itemsize)
# y數組的dtype爲float64（八個字節） 
y = np.array([1,2,3,4,5], dtype = np.float64)  
print (y.itemsize)

# 輸出
1
8

ndarray.flags

ndarray.flags 返回數組的內存信息，包含以下屬性：

屬性	描述
C_CONTIGUOUS ©	數據是在一個單一的C風格的連續段中
F_CONTIGUOUS (F)	數據是在一個單一的Fortran風格的連續段中
OWNDATA (O)	數組擁有它所使用的內存或從另一個對象中借用它
WRITEABLE (W)	數據區域可以被寫入，將該值設置爲 False，則數據爲只讀
ALIGNED (A)	數據和所有元素都適當地對齊到硬件上
WRITEBACKIFCOPY(X)	該數組是其他數組的副本。 必須先調用C-API函數 PyArray_ResolveWritebackIfCopy，然後再使用該數組的內容更新分配給基本數組的內容。
UPDATEIFCOPY (U)	這個數組是其它數組的一個副本，當這個數組被釋放時，原數組的內容將被更新

import numpy as np 
x = np.array([1,2,3,4,5])  
print (x.flags)

# 輸出
  C_CONTIGUOUS : True
  F_CONTIGUOUS : True
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False

ndarray.real

ndarray.real 返回數組元素的實部

arr2=[1+2j,3+4j,5+6j]
complex_arr=np.array(arr2)
print(complex_arr.dtype)
print(complex_arr.real)

# 輸出
complex128
[1. 3. 5.]

ndarray.imag

ndarray.imag 返回數組元素的虛部

arr2=[1+2j,3+4j,5+6j]
complex_arr=np.array(arr2)
print(complex_arr.dtype)
print(complex_arr.imag)

# 輸出
complex128
[2. 4. 6.]