NumPy数组属性

NumPy 提供了高性能的多维数组对象 ndarray。ndarray 对象具有许多有用的属性，这些属性提供了关于数组形状、数据类型、内存布局等信息。本文将详细介绍 NumPy 数组的主要属性。

1. 数组形状（Shape）

shape 属性返回数组的形状，它是一个表示数组在每个维度上大小的元组。例如，一个二维数组的形状可能是一个形如 (m, n) 的元组，其中 m 是行数，n 是列数。

import numpy as np

# 创建一个二维数组
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
print(array_2d.shape)  # 输出: (2, 3)

2. 数组维度（Ndim）

ndim 属性返回数组的维度数，即数组是几维的。对于上面的二维数组，ndim 的值将是 2。

print(array_2d.ndim)  # 输出: 2

3. 数组大小（Size）

size 属性返回数组中元素的总数。对于上面的二维数组，size 的值将是 6（2 行 3 列）。

print(array_2d.size)  # 输出: 6

4. 数据类型（Dtype）

dtype 属性返回数组中元素的数据类型。NumPy 支持多种数据类型，如整数、浮点数、复数、布尔值等。

# 创建一个浮点数数组
float_array = np.array([1.1, 2.2, 3.3])
print(float_array.dtype)  # 输出: float64

5. 数组缓冲区信息（Data）

虽然 data 属性不常直接用于一般用途，但它提供了指向数组数据的内存缓冲区的指针（在 C 语言级别上）。这通常用于与低级库进行交互。

# 注意：直接操作 data 属性可能会导致不可预测的行为
data_buffer = float_array.data
# 通常不直接打印或使用这个缓冲区，因为它是一个内存地址

6. 数组项大小（Itemsize）

itemsize 属性返回数组中每个元素在内存中的字节大小。

print(float_array.itemsize)  # 输出: 8（对于 float64 类型）

7. 数组字节大小（Nbytes）

nbytes 属性返回整个数组在内存中的字节大小，它是 itemsize 与 size 的乘积。

print(float_array.nbytes)  # 输出: 48（8 字节/元素 * 6 元素）

8. 数组步长（Strides）

strides 属性返回一个元组，表示为了遍历数组中的每个元素而在每个维度上需要跳过的字节数。这对于理解数组在内存中的布局非常有用。

print(array_2d.strides)  # 输出: (24, 8)（假设每个元素是 8 字节，每行有 24 字节的间隔）

9. 数组是否连续（C_CONTIGUOUS 和 F_CONTIGUOUS）

C_CONTIGUOUS 和 F_CONTIGUOUS 属性是布尔值，分别表示数组在内存中是否是 C 风格（行优先）或 Fortran 风格（列优先）连续的。这对于某些需要特定内存布局的操作很重要。

print(array_2d.C_CONTIGUOUS)  # 输出: True（对于大多数正常创建的数组）
print(array_2d.F_CONTIGUOUS)  # 输出: False（除非特别指定 Fortran 风格的顺序）

10. 数组基对象（Base）

base 属性返回数组的内存是否基于另一个对象。如果数组是通过切片或视图创建的，那么 base 将指向原始数组。

# 创建一个原始数组
original_array = np.array([1, 2, 3, 4, 5])
# 创建一个视图
view_array = original_array[1:4]
print(view_array.base)  # 输出: 原始数组的内存地址（不直接打印，但指向 original_array）

注意事项

• 直接修改某些属性（如 shape、dtype）可能会导致数组数据的重新解释或复制，从而影响性能和内存使用。
• 在处理大型数组时，了解数组的内存布局和步长可以帮助优化代码。
• 使用 base 属性时要小心，因为对视图的操作可能会影响到原始数组。

总结

NumPy 数组的属性提供了关于数组形状、数据类型、内存布局等方面的详细信息。通过理解和利用这些属性，可以更有效地操作和管理数组数据。希望本文能帮助你更好地理解和使用 NumPy 数组的属性。

本文地址：https://www.tides.cn/p_numpy-array-attr