程序師世界是廣大編程愛好者互助、分享、學習的平台,程序師世界有你更精彩!
首頁
編程語言
C語言|JAVA編程
Python編程
網頁編程
ASP編程|PHP編程
JSP編程
數據庫知識
MYSQL數據庫|SqlServer數據庫
Oracle數據庫|DB2數據庫
您现在的位置: 程式師世界 >> 編程語言 >  >> 更多編程語言 >> Python

Python 玩轉數據 1 - NumPy ndarray Attributes 多維數組屬性 ndim shape size axis

編輯:Python

引言

主要介紹 NumPy 模塊及其多維數組的屬性,更多 Pyton 進階系列文章,請參考 Python 進階學習 玩轉數據系列

內容提要:

  1. NumPy 模塊的導入
  2. NumPy 多維數組屬性

NumPy 模塊的導入

NumPy 是 Numerical Python 的縮寫,更多細節請參考 NumPy 官網。
導入 NumPy 模塊並 check 其版本:通常 np 作為 NumPy的別名。

import numpy as np
version = np.__version__
print(version)

輸出:

1.19.1

NumPy 多維數組屬性

.ndim: 數組的維度
.size: 數組元素的總個數或數組某個具體的維度的元素的個數
.shape: 是一個元組,其中的元素分別代碼每個維度元素的個數。
axis: 數組某個維度

多維數組舉例ndimsizeshapeaxis1 維數組[1,2,3,4]14(4,)axis=0 第1維度(其元素個數為4)2 維數組 [[1,2],[3,4],[5,6]]26(3,2)axis=0 第1維度(其元素個數為3), axis=1 第2維度(其元素個數為2)3 維數組[[[1,2,3,4],[1,3,4,5]],[[2,4,7,5],[8,4,3,5]],[[2,5,7,3],[1,5,3,7]]]324(3,2,4)axis=0 第1維度(其元素個數為3), axis=1 第2維度(其元素個數為2),axis=2 第3維度(其元素個數為4)

圖解:

黑色框框表示第 1 維
紅色框框表示第 2 維
藍色框框表示第 3 維

代碼:

import numpy as np
arr_1_d = np.array ([1,2,3,4])
arr_2_d = np.array ([[1,2],[3,4],[5,6]])
arr_3_d = np.array([[[1,2,3,4],[1,3,4,5]],[[2,4,7,5],[8,4,3,5]],[[2,5,7,3],[1,5,3,7]]])
print("1 dimension array============================")
print("arr_1_d:{}".format(arr_1_d))
print("arr_1_d ndim:{}".format(arr_1_d.ndim))
print("arr_1_d shape:{}".format(arr_1_d.shape))
print("arr_1_d size:{}".format(arr_1_d.size))
print("arr_1_d #No.1 dimension size:{}".format(np.size(arr_1_d, axis=0)))
print("2 dimension array============================")
print("arr_2_d:{}".format(arr_2_d))
print("arr_2_d ndim:{}".format(arr_2_d.ndim))
print("arr_2_d shape:{}".format(arr_2_d.shape))
print("arr_2_d size:{}".format(arr_2_d.size))
print("arr_2_d #No.1 dimension size:{}".format(np.size(arr_2_d, axis=0)))
print("arr_2_d #No.2 dimension size:{}".format(np.size(arr_2_d, axis=1)))
print("3 dimension array============================")
print("arr_3_d:{}".format(arr_3_d))
print("arr_3_d ndim:{}".format(arr_3_d.ndim))
print("arr_3_d shape:{}".format(arr_3_d.shape))
print("arr_3_d size:{}".format(arr_3_d.size))
print("arr_3_d #No.1 dimension size:{}".format(np.size(arr_3_d, axis=0)))
print("arr_3_d #No.2 dimension size:{}".format(np.size(arr_3_d, axis=1)))
print("arr_3_d #No.3 dimension size:{}".format(np.size(arr_3_d, axis=2)))

輸出:

1 dimension array============================
arr_1_d:[1 2 3 4]
arr_1_d ndim:1
arr_1_d shape:(4,)
arr_1_d size:4
arr_1_d #No.1 dimension size:4
2 dimension array============================
arr_2_d:[[1 2]
[3 4]
[5 6]]
arr_2_d ndim:2
arr_2_d shape:(3, 2)
arr_2_d size:6
arr_2_d #No.1 dimension size:3
arr_2_d #No.2 dimension size:2
3 dimension array============================
arr_3_d:[[[1 2 3 4]
[1 3 4 5]]
[[2 4 7 5]
[8 4 3 5]]
[[2 5 7 3]
[1 5 3 7]]]
arr_3_d ndim:3
arr_3_d shape:(3, 2, 4)
arr_3_d size:24
arr_3_d #No.1 dimension size:3
arr_3_d #No.2 dimension size:2
arr_3_d #No.3 dimension size:4

  1. 上一篇文章:
  2. 下一篇文章:
Copyright © 程式師世界 All Rights Reserved