NumPy 数组属性

NumPy 数组属性

一、基础属性

1. shape​​ - 数组维度

import numpy as np
arr = np.array([[1,2,3], [4,5,6]])
print(arr.shape)  # 输出: (2, 3) → 2行3列

2. ​​ndim​​ - 数组维度数

print(arr.ndim)   # 输出: 2 → 二维数组

3. ​​size​​ - 元素总数

print(arr.size)   # 输出: 6 → 2×3=6个元素

4. dtype​​ - 数据类型

print(arr.dtype)  # 输出: int64 (默认整数类型)

二、内存相关属性​

1. ​itemsize​​ - 单个元素字节大小

float_arr = np.array([1.0, 2.0], dtype=np.float32)
print(float_arr.itemsize)  # 输出: 4 → 每个float32占4字节

2. nbytes​​ - 数组总内存占用

print(float_arr.nbytes)    # 输出: 8 → 2元素×4字节=8字节

三、高级属性

1. ​​strides​​ - 跨距（每个维度前进的字节数）

matrix = np.array([[0,1,2], [3,4,5]], dtype=np.int16)
print(matrix.strides)  # 输出: (6, 2) 
# 解释: 行间跨距=3元素×2字节=6字节，列间跨距=2字节

2. flags​​ - 内存布局信息

print(matrix.flags)
# 输出包含: 
#   C_CONTIGUOUS : True → C语言连续存储
#   F_CONTIGUOUS : False → 非Fortran连续存储

3. T​​ - 转置视图（无需复制数据）

print(arr.T.shape)  # 输出: (3, 2)

四、特殊数组属性

1. ​​real & imag​​ - 复数数组的实部/虚部

complex_arr = np.array([1+2j, 3+4j])
print(complex_arr.real)  # 输出: [1. 3.]
print(complex_arr.imag)  # 输出: [2. 4.]

五、属性修改技巧

1. ​改变形状（不复制数据）

arr.shape = (3, 2)  # 直接修改shape属性
print(arr)
# 输出:
# [[1 2]
#  [3 4]
#  [5 6]]

2. 类型转换（创建新数组）

arr_float = arr.astype(np.float32)
print(arr_float.dtype)  # 输出: float32

六、属性关系总结

属性名	计算公式	示例数组(shape=(2,3))
size	np.prod(shape)	2×3=6
nbytes	size * itemsize	6×4=24（int32类型）
strides	(itemsize*shape[1], itemsize)	(12, 4) → 对shape(2,3)的int32数组

七、实用场景

​1. ​调试维度不匹配错误​​ → 使用 shape 快速验证数组结构
​2. ​优化内存占用​​ → 通过 dtype 和 nbytes 选择合适数据类型
​3. ​处理图像数据​​ → 用 reshape 转换(height, width, channels)格式
​4. ​科学计算​​ → 用 real/imag 处理复数信号数据