NumPy 数组 属性

NumPy数组除了存储数据外，还附带了许多有用的属性，它们描述了数组的元信息。通过这些属性，你可以快速了解数组的结构、内存占用和数据类型等关键信息。

1. ndim：数组的维度数

ndim 返回数组的维度数量（即轴的数量）。一维数组的 ndim = 1，二维数组为2，以此类推。

import numpy as np

# 一维数组
a = np.array([1, 2, 3, 4])
print("一维数组 ndim =", a.ndim)

# 二维数组
b = np.array([[1, 2, 3], [4, 5, 6]])
print("二维数组 ndim =", b.ndim)

# 三维数组
c = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print("三维数组 ndim =", c.ndim)

输出：

一维数组 ndim = 1
二维数组 ndim = 2
三维数组 ndim = 3

2. shape：数组的形状

shape 是一个元组，表示每个维度的大小。例如，(3, 4) 表示一个3行4列的二维数组。

# 一维数组
a = np.array([1, 2, 3, 4])
print("a.shape =", a.shape)

# 二维数组
b = np.array([[1, 2, 3], [4, 5, 6]])
print("b.shape =", b.shape)

# 三维数组
c = np.arange(24).reshape(2, 3, 4)
print("c.shape =", c.shape)

输出：

a.shape = (4,)
b.shape = (2, 3)
c.shape = (2, 3, 4)

3. size：数组元素的总个数

size 返回数组中所有元素的个数，等于各维度大小的乘积。

a = np.array([[1, 2, 3], [4, 5, 6]])
print("a.size =", a.size)   # 2*3 = 6

b = np.arange(12).reshape(3, 4)
print("b.size =", b.size)   # 12

输出：

a.size = 6
b.size = 12

4. dtype：数组元素的数据类型

dtype 返回数组中元素的类型。NumPy支持多种数据类型，如 int32, float64, bool, complex 等。

int_arr = np.array([1, 2, 3])
print("int_arr.dtype =", int_arr.dtype)

float_arr = np.array([1.0, 2.0, 3.0])
print("float_arr.dtype =", float_arr.dtype)

bool_arr = np.array([True, False, True])
print("bool_arr.dtype =", bool_arr.dtype)

complex_arr = np.array([1+2j, 3+4j])
print("complex_arr.dtype =", complex_arr.dtype)

# 也可以显式指定类型
custom = np.array([1, 2, 3], dtype=np.float32)
print("custom.dtype =", custom.dtype)

输出：

int_arr.dtype = int64
float_arr.dtype = float64
bool_arr.dtype = bool
complex_arr.dtype = complex128
custom.dtype = float32

5. itemsize：每个元素的字节大小

itemsize 返回数组中每个元素所占用的字节数。例如，float64 的 itemsize 为8，int32 为4。

arr_int = np.array([1, 2, 3], dtype=np.int32)
print("int32 itemsize =", arr_int.itemsize, "字节")

arr_float = np.array([1.0, 2.0, 3.0], dtype=np.float64)
print("float64 itemsize =", arr_float.itemsize, "字节")

arr_bool = np.array([True, False], dtype=bool)
print("bool itemsize =", arr_bool.itemsize, "字节")

输出：

int32 itemsize = 4 字节
float64 itemsize = 8 字节
bool itemsize = 1 字节

6. nbytes：数组总字节数

nbytes 返回整个数组占用的内存字节数，等于 size * itemsize。

arr = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.float64)
print("arr.nbytes =", arr.nbytes, "字节")
print("验证: size * itemsize =", arr.size * arr.itemsize)

输出：

arr.nbytes = 48 字节
验证: size * itemsize = 48

7. T：转置视图

对于二维数组，T 属性返回数组的转置（行变列，列变行）。对于一维数组，T 返回自身（因为一维数组的转置仍然是自身）。注意，它返回的是原数组的视图，并非副本。

# 二维数组转置
mat = np.array([[1, 2, 3], [4, 5, 6]])
print("原数组:\n", mat)
print("转置后 (mat.T):\n", mat.T)

# 一维数组转置（不变）
vec = np.array([1, 2, 3, 4])
print("一维数组 T 不变:", vec.T)

输出：

原数组:
 [[1 2 3]
 [4 5 6]]
转置后 (mat.T):
 [[1 4]
 [2 5]
 [3 6]]
一维数组 T 不变: [1 2 3 4]

8. flat：平坦迭代器

flat 返回一个迭代器，可以按行优先（C风格）顺序遍历数组的所有元素，如同将数组拉平为一维数组。

arr = np.array([[1, 2, 3], [4, 5, 6]])
print("使用 flat 遍历:")
for element in arr.flat:
    print(element, end=" ")

# 也可以通过索引访问扁平化后的元素
print("\narr.flat[3] =", arr.flat[3])

输出：

使用 flat 遍历:
1 2 3 4 5 6
arr.flat[3] = 4

9. 其他属性

• real 和 imag：对于复数数组，返回实部和虚部。
• data：指向数组数据缓冲区的指针（通常不直接使用）。
• strides：每个维度在内存中前进一个元素所需的字节数（高级属性）。

# 复数数组示例
cplx = np.array([1+2j, 3+4j, 5+6j])
print("实部:", cplx.real)
print("虚部:", cplx.imag)

# strides 示例
arr = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.int32)
print("strides:", arr.strides)  # 通常为 (12, 4)，表示跨过一行需要12字节，跨过一列需要4字节

输出：

实部: [1. 3. 5.]
虚部: [2. 4. 6.]
strides: (12, 4)

总结

本节介绍了NumPy数组的核心属性：ndim、shape、size、dtype、itemsize、nbytes、T 和 flat。通过掌握它们，你可以轻松获取数组的基本信息，并为后续的数组操作打下坚实基础。接下来，我们将学习如何通过索引和切片访问数组元素。