1、秩、维度

NumPy 数组的维数称为秩（rank），一维数组的秩为 1，二维数组的秩为 2，以此类推。

在 NumPy中，每一个线性的数组称为是一个轴（axis），也就是维度（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。所以一维数组就是 NumPy 中的轴（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。而轴的数量——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，即对每一列进行操作；axis=1，表示沿着第1轴进行操作，即对每一行进行操作

2、Numpy的数组中比较重要的属性

属性

说明

ndarray.ndim

秩，即轴的数量或维度的数量

ndarray.shape

数组的维度，对于矩阵，n 行 m 列

ndarray.size

数组元素的总个数，相当于 .shape 中 n*m 的值

ndarray.dtype

ndarray 对象的元素类型

ndarray.itemsize

ndarray 对象中每个元素的大小，以字节为单位

ndarray.flags

ndarray 对象的内存信息

ndarray.real

ndarray元素的实部

ndarray.imag

ndarray 元素的虚部

ndarray.data

包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性。

实例：

1 import numpy as np
 2 # numpy.arange(start, stop, step, dtype) 返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型
 3 a = np.arange(6, dtype=np.int8)
 4 # ndarray.ndim 用于返回数组的维数，等于秩
 5 print('a的维数：', a.ndim)
 6 # 调整其大小
 7 b = a.reshape(2, 3)
 8 print('b的维数:', b.ndim)
 9 #ndarray.shape 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)。代表每个每个维度的长度
10 print('b.shape：', b.shape)
11 # ndarray.size数组元素的总个数
12 print('数组b元素总数：',b.size)
13 #ndarray.itemsize 以字节的形式返回数组中每一个元素的大小。
14 x = np.array([1, 2, 3, 4, 5], dtype=int)
15 print('a的元素字节大小：{}，x的元素的字节大小：{}'.format(a.itemsize, x.itemsize))

输出： 

a的维数： 1
b的维数: 2
b.shape： (2, 3)
数组b元素总数： 6
a的元素字节大小：1，x的元素的字节大小：4

ndarray.flags

ndarray.flags 返回 ndarray 对象的内存信息，包含以下属性：

属性

描述

C_CONTIGUOUS (C)

数据是在一个单一的C风格的连续段中

F_CONTIGUOUS (F)

数据是在一个单一的Fortran风格的连续段中

OWNDATA (O)

数组拥有它所使用的内存或从另一个对象中借用它

WRITEABLE (W)

数据区域可以被写入，将该值设置为 False，则数据为只读

ALIGNED (A)

数据和所有元素都适当地对齐到硬件上

UPDATEIFCOPY (U)

这个数组是其它数组的一个副本，当这个数组被释放时，原数组的内容将被更新