第二章:ndarray 的基本属性与操作

itomcoil 2025-08-06 20:24 7 浏览

2.1 ndarray 的基本属性

ndarray 有几个重要的属性，通过这些属性可以了解数组的一些关键信息。

含义：shape 属性返回一个元组，该元组的每个元素表示数组在相应维度上的大小。对于二维数组，第一个元素是行数，第二个元素是列数。它就像是告诉我们这个数组“长什么样”，有几行几列或者在更高维度下各个维度的长度。
示例：

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr.shape)

运行上述代码，会输出 (2, 3)，表明这是一个 2 行 3 列的二维数组。

含义：ndim 属性表示数组的维度数量，也就是有几个轴。一维数组 ndim 为 1，二维数组 ndim 为 2，以此类推。这能让我们知道这个数组是“几维空间”里的。
示例：

import numpy as np

arr1d = np.array([1, 2, 3])
arr2d = np.array([[1, 2, 3], [4, 5, 6]])
print(arr1d.ndim)
print(arr2d.ndim)

代码中，arr1d 是一维数组，ndim 输出为 1；arr2d 是二维数组，ndim 输出为 2。

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr.size)

这里二维数组 arr 的 size 为 6，因为 2（行数）× 3（列数） = 6。

含义：dtype 属性表示数组中元素的数据类型。Numpy 中的数组要求所有元素具有相同的数据类型，这样可以提高存储和计算效率。常见的数据类型有 np.int32、np.float64 等。
示例：

import numpy as np

int_arr = np.array([1, 2, 3], dtype=np.int32)
float_arr = np.array([1.0, 2.0, 3.0])
print(int_arr.dtype)
print(float_arr.dtype)

int_arr 明确指定了数据类型为 np.int32，所以 dtype 输出为 int32；float_arr 没有显式指定，Python 根据数据默认推断为 float64，所以输出为 float64。

和 Python 的列表类似，ndarray 也支持索引和切片操作，通过这些操作可以获取数组中的特定元素或子集。

import numpy as np

arr = np.array([10, 20, 30, 40, 50])
print(arr[2])

这里 arr[2] 会输出 30，即数组中索引为 2 的元素。

切片：使用 start:stop:step 的形式对数组进行切片，start 是起始索引（包含），stop 是结束索引（不包含），step 是步长，默认 step 为 1。
示例：

import numpy as np

arr = np.array([10, 20, 30, 40, 50])
print(arr[1:4])
print(arr[::2])

arr[1:4] 输出 [20 30 40]，表示从索引 1 开始到索引 4 之前（不包含索引 4）的元素；arr[::2] 输出 [10 30 50]，表示从数组开头开始，每隔一个元素取一个（步长为 2）。

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr[1, 2])

这里 arr[1, 2] 输出 6，即第 2 行（索引从 0 开始，所以 1 代表第 2 行）第 3 列的元素。

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr[0:2, 1:3])

arr[0:2, 1:3] 输出 [[2 3], [5 6]]，表示取第 1 行到第 2 行（不包含第 2 行之后），第 2 列到第 3 列（不包含第 3 列之后）的子数组。这里 0:2 是对行的切片，1:3 是对列的切片，它们组合起来就得到了特定的二维子数组。