认识NumPy数组对象

认识NumPy数组对象教师：亢华爱北京信息职业技术学院商务数据分析与应用专业教学资源库目录Contents认识NumPy数组对象概述1PART概述概述NumPy作为高性能科学计算和数据分析的基础包，是本书介绍的其他重要数据分析工具的基础，掌握NumPy的功能及其用法，将有助于后续其他数据分析工具的学习。接下来，本章将带领大家学习NumPy的基本用法。2PART认识NumPy数组对象认识NumPy数组对象NumPy最重要的一个特点就是其N维数组对象，即ndarray(别名array)对象，该对象具有矢量算术能力和复杂的广播能力，可以执行一些科学计算。不同于Python标准库，ndarray对象拥有对高维数组的处理能力，这也是数值计算中缺一不可的重要特性。认识NumPy数组对象属

性具体说明ndarray.ndim维度个数，也就是数组轴的个数，比如一维、二维、三维等ndarray.shape数组的维度，这是一个整数的元组，表示每个维度上数组的大小。例如，一个n行和m列的数组，它的shape属性为(n,m)ndarray.size数组元素的总个数，等于shape属性中元组元素的乘积ndarray.dtype描述数组中元素类型的对象，既可以使用标准的Python类型创建或指定，也可以使用NumPy特有的数据类型来指定，比如32、numpy.float64等ndarray.itemsize数组中每个元素的字节大小。例如，元素类型为float64的数组有8(64/8)个字节，这相当于

ndarray.dtype.itemsize表2-1ndarray对象的常用属性认识NumPy数组对象ndarray对象中存储元素的类型必须是相同的。In[1]:importnumpyasnp#导入NumPy工具包In[2]:data=np.arange(12).reshape(3，4)#创建一个3行4列的数组In[3]:dataOut[3]:array([[0，1，2，3]，[4，5，6，7],[8，9，10，11]])示例演示：ndarray对象的使用，具体代码如下。认识NumPy数组对象In[4]:type(data)Out[4]:numpy.ndarrayIn[5]:data.ndim#数组维度的个数，输出结果2，表示二维数组Out[5]:2In[6]:data.shape#数组的维度，输出结果（3，4），表示3行4列Out[6]:(3，4)In[7]:data.size#数组元素的个数，输出结果12，表示总共有12个元素Out[7]:12In[8]:data.dtype#数组元素的类型，输出结果dtype('int64'),#表示元素类型都是int64Out[8]:dtype('int64')认识NumPy数组对象使用import...as语句导入numpy库，并将其取别名为np，表不后续会用np代替numpy执行操作。使用arange()和reshape()函数，创建了一个3行4列的数组data。其中，arange()函数的功能类似于range()，只不过arange()函数生成的是一系列数字元素的数组；reshape()函数的功能是重组数组的行数、列数和维度。使用type()函数查看了数组的类型，输岀结果为numpy.ndarray。第2行代码第4行代码第1行代码认识NumPy数组对象获取了数组的维度个数，返回结果为2，表示二维数组。获取了数组的维度，返回结果为(3，4)，表示数组有3行4列。获取了数组中元素的总个数，返回结果为12，表示数组中一共有12个元素。第6行代码第7行代码第5行代码获取了元素的具体类型，返回结果为dtype('int64')，表示元素的类型为int64。第8行代码