Python數據分析numpy基礎-維度的認識

 

什麼是多維數組？

核心對象是同型的多維數組（簡單理解就是一個表格，一般內容都是些數字），具備相同的數據類型。

概念： 
1. axes（軸）：數組的維度統稱爲軸。 
2. rank：軸的數量稱爲rank。 
舉例：一維數組[1,2,1]，就是一個rank爲1的數組，由於它只有一個軸（一維）。下圖顯示的是一個rank爲2（二維）的數組。它的第一個軸（維）的長度是2，如紅色線框所示；第二個軸（維）的長度是3，如藍色線框所示。這個有點像數據結構裏說的：數組的元素自己也能夠是數組類型同樣，無限擴展下去。

數組維度的判別方法：根據括號數量判斷，以下

由外而內一共有三層括號，因此他是一個三維的數組。依次爲（2，3，3）

[[

[1,2,3],[4,5,6],[7,8,9]],

[[11,12,12],[13,14,15],[16,17,18]

]]

Numpy裏的多維數組：ndarray

Numpy的數組類numpy.array通常稱呼爲ndarray，這麼叫主要是爲了和Python的數組類array.array區分開來。後面的文章裏，如無特殊說明的地方，array和ndarray均是指的numpy.array。

 

ndarray(numpy.array)的主要屬性：

• ndim：數組的軸數（維度）    

• shape：python的元組類型，其中每一個數字分別表示的是各個軸（維）上數組的長度    

• size：多維數組裏所有元素的總數（等於shape元組裏全部數值的乘積）    

• dtype：多維數組裏元素的類型。同一個多維數組裏全部的元素都是同一種類型    

• itemsize：多維數組元素所佔的字節。

代碼示例：

import numpy as np
a=np.array([[4,5,6],[1,2,3]])
print(a.size)#6
print(a.shape)#(2,3)
print(a.dtype)#int
print(a.ndim)#2
print(a.itemsize)#4

 

輸出：

6 (2, 3) int32 2 4