1.NumPy 数组的基本属性

    NumPy 数组的维数称为秩（rank），秩就是轴的数量，即数组的维度，一维数组的秩为 1，二维数组的秩为 2，以此类推。NumPy中，每个线性的数组称为轴（axis），维度（dimensions）。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所一维数组就是 NumPy 的轴（axis），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。轴的数量—秩，就是数组的维数。很多时候可以声明 axis。axis=0，表示沿着第 0 轴进行操作，对每列进行操作；axis=1，表示沿着第1轴进行操作，即对每一行进行操作。

2.ndarray 对象属性

（1）ndarray.ndim：数组的秩（rank），数组的维度数量或轴的数量。

（2）ndarray.shape：数组的维度，表示数组在每个轴的大小。对于二维数组（矩阵），表示其行数和列数。

（3）ndarray.size：数组中元素的总个数，等于 ndarray.shape 各个轴上大小的乘积。

（4）ndarray.dtype：数组中元素的数据类型。

（5）ndarray.itemsize：数组中每个元素的大小，以字节为单位。

（6）ndarray.flags：包含有关内存布局的信息，如是否为 C 或 Fortran 连续存储，是否为只读等。

（7）ndarray.real：数组中每个元素的实部（如果元素类型为复数）。

（8）ndarray.imag   ：数组中每个元素的虚部（若元素类型为复数）。

（9）ndarray.data：实际存储数组元素缓冲区，一般通过索引访问元素，不直接使用该属性。

3.ndarray.ndim 用于获取数组的维度数量（数组轴数）

import numpy as npa = np.arange(24) 
print (a.ndim)             # a 现只有一个维度
# 现在调整其大小
b = a.reshape(2,4,3)  # b 现在拥有三个维度
print (b.ndim)

（1）创建一维数组：a = np.arange(24) 创建一个一维数组 a，包含 0 到 23 的整数，总共有 24 个元素。np.arange(24) 生成一个范围从 0 到 23 的数组。print(a.ndim) 输出 a 的维度数，因为 a 是一维数组，所以输出 1。

（2）调整数组形状：b = a.reshape(2, 4, 3) 将 a 重新调整为一个 2x4x3 的三维数组 b。reshape(2, 4, 3) 指定了新形状的大小：2 表示第一个维度的大小，4 表示第二个维度的大小，3 表示第三个维度的大小。这样可以确保 b 仍然包含 24 个元素（2 * 4 * 3 = 24）。print(b.ndim) 输出 b 的维度数，因为 b 是三维数组，所以输出 3。

4.ndarray.shape显示数组形状

ndarray.shape 表示数组的维度，返回一个元组，这个元组的长度就是维度的数目，即 ndim 属性(秩)。比如，一个二维数组，维度表示"行数"和"列数"。

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

（1）创建二维数组：a = np.array([[1, 2, 3], [4, 5, 6]]) 数组包含两个子列表，分别为 [1, 2, 3] 和 [4, 5, 6]，因此数组 a结构是 2 x 3。数组 a 有 2 行和 3 列。

（2）输出数组形状：print(a.shape) 输出数组 a形状，结果为 (2, 3)。2 表示数组行数（2 行），3 表示数组列数（每行3 个元素）。

5.使用 shape 属性重新调整数组的形状

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

（1）创建二维数组：a = np.array([[1, 2, 3], [4, 5, 6]]) 创建二维数组 a，初始形状为 (2, 3)，即 2 行 3 列。

（2）调整数组形状：a.shape = (3, 2) 将数组 a 的形状更改为 (3, 2)，3 行 2 列。在 numpy 中，直接修改 shape 属性可以重新排列数组的形状，只要元素总数不变（这里数组总共有 6 个元素，可以转换为 (3, 2) 的形状）。

（3）输出调整后数组：print(a) 输出调整后数组 a显示新形状内容。

6.使用reshape函数调整数组大小

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

（1）创建二维数组：a = np.array([[1, 2, 3], [4, 5, 6]]) 创建二维数组 a，初始形状为 (2, 3)，即 2 行 3 列。

（2）调整数组形状：b = a.reshape(3, 2) 将数组 a 重新调整为 3 行 2 列的形状。reshape(3, 2) 指定新形状为 (3, 2)，即 3 行 2 列。调整后的数组 b 会有同样的 6 个元素（因为原数组 a 有 6 个元素），但以 3 行 2 列的方式排列。

（3）输出调整后数组：print(b) 输出调整后数组 b显示新形状内容。

7.ndarray.itemsize 以字节形式返回数组每个元素大小

import numpy as np# 数组的 dtype 为 int8（一个字节） 
x = np.array([1,2,3,4,5], dtype = np.int8) 
print (x.itemsize)# 数组的 dtype 现在为 float64（八个字节）
y = np.array([1,2,3,4,5], dtype = np.float64) 
print (y.itemsize)

（1）创建 int8 类型数组：x = np.array([1, 2, 3, 4, 5], dtype=np.int8) 创建数组 x，数据类型为 int8。int8 是8 位的数类型，占用 1 个字节的内存。print(x.itemsize) 输出 x 中每个元素的字节大小，由于 x 的数据类型是 int8，因此输出结果为 1。

（2）创建 float64 类型数组：y = np.array([1, 2, 3, 4, 5], dtype=np.float64) 创建了一个数组 y，数据类型为 float64。float64 是64 位的浮点数类型，占用 8 个字节内存。print(y.itemsize) 输出 y 每个元素的字节大小，y 的数据类型是 float64，输出结果为 8。

8.ndarray.flags 返回 ndarray 对象的内存信息

（1）C_CONTIGUOUS (C)：数据在单一的C风格的连续段中

（2）F_CONTIGUOUS (F)：数据在单一的Fortran风格的连续段中

（3）OWNDATA (O)：数组拥有它所使用的内存或从对象中借用它

（4）WRITEABLE (W)：数据区域可以被写入，将该值设置为 False，则数据为只读

（5）ALIGNED (A)：数据和所有元素都适当地对齐到硬件

（6）UPDATEIFCOPY (U)：其它数组的副本，当这个数组被释放时，原数组的内容将被更新

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