NumPy数组属性

NumPy是Python中科学计算的核心库之一。其中最重要的部分是数组对象（即ndarray对象）。NumPy中的所有数组都是在同一类型的内存块中连续保存的。这使得NumPy在数值计算方面比Python内置的数据结构更有效。以下是NumPy中常用的数组属性。

shape属性

该属性返回一个元组，其中包含数组每个维度的大小。例如，对于一个二维数组，它将返回行数和列数。

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]])
print(a.shape)
# 输出：(2, 3)

ndim属性

该属性返回数组的维度数。例如，对于一个二维数组，它将返回2。

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]])
print(a.ndim)
# 输出：2

size属性

该属性返回数组元素的总数。例如，对于一个2x3的二维数组，它将返回6。

import numpy as np

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

dtype属性

该属性返回数组元素的数据类型。例如，对于一个包含整数的数组，它将返回'int64'。

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]])
print(a.dtype)
# 输出：int64

itemsize属性

该属性返回数组中每个元素的字节大小。例如，对于一个包含整数的数组，它将返回8（即整数类型占8个字节）。

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]])
print(a.itemsize)
# 输出：8

nbytes属性

该属性返回数组所占用的总字节数。例如，对于一个包含10个双精度浮点数的数组，它将返回80（即每个双精度浮点数占用8个字节）。

import numpy as np

a = np.array([1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0, 10.0])
print(a.nbytes)
# 输出：80

T属性

该属性返回数组的转置。例如，对于一个二维数组，它将返回按行与列交换后的数组。

import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]])
print(a.T)
# 输出：[[1 4]
#       [2 5]
#       [3 6]]

flat属性

该属性返回一个可迭代的数组元素迭代器。可以用于遍历多维数组的每个元素。

import numpy as np

a = np.array([[1, 2], [3, 4]])
for item in a.flat:
    print(item)
# 输出：
# 1
# 2
# 3
# 4

以上是NumPy中常用的数组属性，它们提供了数组的有用信息和操作。如果您还没有掌握这些属性，现在是时候了解它们并开始使用它们了。