numpy中的ndarray方法和属性详解
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（axes），秩其实是描述轴的数量。比如说，二维数组相当于是一个一维数组，而这个一维数组中每个元素又是一个一维数组。所以这个一维数组就是NumPy中的轴（axes），而轴的数量——秩，就是数组的维数。
Numpy库中的矩阵模块为ndarray对象，有很多属性：T，data,dtype,flags,flat,imag,real,size,
itemsize,nbytes,ndim,shape,strides,ctypes,base等等。
>>>importnumpyasnp >>>x=np.array([[1,2,3],[9,8,7],[6,5,4]]) >>>x.T#获得x的转置矩阵 array([[1,9,6], [2,8,5], [3,7,4]]) >>>printx.flags#返回数组内部的信息 C_CONTIGUOUS:True F_CONTIGUOUS:False OWNDATA:True WRITEABLE:True ALIGNED:True UPDATEIFCOPY:False >>>x.flat[2:6]#将数组变为1维数组，并获取其中的一部分数据 array([3,9,8,7]) >>>x.flat=4;x#将值赋给1维数组，再转化成有原有数组的大小形式 array([[4,4,4], [4,4,4], [4,4,4]]) >>>x array([[4,4,4], [4,4,4], [4,4,4]])
ndarray.imag#为复变函数中含有虚部的数组，如下：
>>>x=np.sqrt([2+3j,5+0j])#创建一个复数 >>>x array([1.67414923+0.89597748j,2.23606798+0.j]) >>>x.imag#获得复数的虚部 array([0.89597748,0.]) >>>x.real#获得复数的实部 array([1.67414923,2.23606798]) >>>x=np.arange(10)#随机生成一个数组，并重新命名一个空间的数组 >>>x.reshape(2,5) array([[0,1,2,3,4], [5,6,7,8,9]]) >>>x.size#获得数组中元素的个数 10 >>>x.ndim#获得数组的维数 >>>x.shape#获得数组的（行数，列数） (10,) >>>y=x.reshape(5,2) >>>y array([[0,1], [2,3], [4,5], [6,7], [8,9]]) >>>y.base#获得该数组基于另外一个对象数组而来，如下，y是根据x而来 array([0,1,2,3,4,5,6,7,8,9])
Ndarray对象的方法
ndarray.ptp(axis=None,out=None):返回数组的最大值—最小值或者某轴的最大值—最小值
ndarray.clip(a_min,a_max,out=None):小于最小值的元素赋值为最小值，大于最大值的元素变为最大值。
ndarray.all()：如果所有元素都为真，那么返回真；否则返回假
ndarray.any()：只要有一个元素为真则返回真
ndarray.swapaxes(axis1,axis2):交换两个轴的元素，如下
>>>z.swapaxes(0,1) array([[2,4,6,8], [3,5,7,9]])
下面为改变数组维度和大小的方法：
ndarray.reshape(shape[,order]):返回重命名数组大小后的数组，不改变元素个数.
ndarray.resize(new_shape[,refcheck]):改变数组的大小（可以改变数组中元素个数）.
ndarray.transpose(*axes):返回矩阵的转置矩阵
ndarray.swapaxes(axis1,axis2):交换两个轴的元素后的矩阵.
ndarray.flatten([order]):复制一个一维的array出来.
ndarray.ravel([order]):返回为展平后的一维数组.
ndarray.squeeze([axis]):移除长度为1的轴。
ndarray.tolist():将数组转化为列表
ndarray.take(indices,axis=None,out=None,mode='raise'):获得数组的指定索引的数据，如：
>>>a=np.arange(12).reshape(3,4) >>>a array([[0,1,2,3], [4,5,6,7], [8,9,10,11]]) >>>a.take([1,3],axis=1)#提取1，3列的数据 array([[1,3], [5,7], [9,11]])
numpy.put(a,ind,v,mode='raise')：用v的值替换数组a中的ind（索引）的值。Mode可以为raise/wrap/clip。Clip：如果给定的ind超过了数组的大小，那么替换最后一个元素。
numpy.repeat(a,repeats,axis=None)：重复数组的元素，如： >>>x=np.array([[1,2],[3,4]]) >>>np.repeat(x,2) array([1,1,2,2,3,3,4,4]) >>>np.repeat(x,3,axis=1) array([[1,1,1,2,2,2], [3,3,3,4,4,4]]) >>>np.repeat(x,[1,2],axis=0) array([[1,2], [3,4], [3,4]])
numpy.tile(A,reps)：根据给定的reps重复数组A，和repeat不同，repeat是重复元素，该方法是重复数组。
ndarray.var(axis=None,dtype=None,out=None,ddof=0)：返回数组的方差，沿指定的轴。
ndarray.std(axis=None,dtype=None,out=None,ddof=0)：沿给定的轴返回数则的标准差
ndarray.prod(axis=None,dtype=None,out=None)：返回指定轴的所有元素乘机
ndarray.cumprod(axis=None,dtype=None,out=None)：返回指定轴的累积，如下：
>>>a array([[0,1,2,3], [4,5,6,7], [8,9,10,11]]) >>>a.cumprod(axis=1)#得到竖轴的累积 array([[0,0,0,0], [4,20,120,840], [8,72,720,7920]])
ndarray.mean(axis=None,dtype=None,out=None)：返回指定轴的数组元素均值
ndarray.cumsum(axis=None,dtype=None,out=None)：返回指定轴的元素累计和。如：
>>>a array([[0,1,2,3], [4,5,6,7], [8,9,10,11]]) >>>a.cumsum(axis=1) array([[0,1,3,6], [4,9,15,22], [8,17,27,38]])
ndarray.sum(axis=None,dtype=None,out=None)：返回指定轴所有元素的和
ndarray.trace(offset=0,axis1=0,axis2=1,dtype=None,out=None)：返回沿对角线的数组元素之和
ndarray.round(decimals=0,out=None)：将数组中的元素按指定的精度进行四舍五入，如下：
>>>np.around([0.37,1.64]) array([0.,2.]) >>>np.around([0.37,1.64],decimals=1) array([0.4,1.6]) >>>np.around([.5,1.5,2.5,3.5,4.5])#roundstonearestevenvalue array([0.,2.,2.,4.,4.]) >>>np.around([1,2,3,11],decimals=1)#ndarrayofintsisreturned array([1,2,3,11]) >>>np.around([1,2,3,11],decimals=-1) array([0,0,0,10])
ndarray.conj()：返回所有复数元素的共轭复数,如：
>>>b=np.array([[1+2j,3+0j],[3+4j,7+5j]]) >>>b array([[1.+2.j,3.+0.j], [3.+4.j,7.+5.j]]) >>>b.conj() array([[1.-2.j,3.-0.j], [3.-4.j,7.-5.j]])
ndarray.argmin(axis=None,out=None):返回指定轴最小元素的索引。
ndarray.min(axis=None,out=None)：返回指定轴的最小值
ndarray.argmax(axis=None,out=None)：返回指定轴的最大元素索引值
ndarray.diagonal(offset=0,axis1=0,axis2=1)：返回对角线的所有元素。
ndarray.compress(condition,axis=None,out=None)：返回指定轴上条件下的切片。
ndarray.nonzero()：返回非零元素的索引
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。