NumPy 教程目錄
NumPy 陣列的維數稱為秩（rank），秩就是軸的數量，即陣列的維度，一維陣列的秩為 1，二維陣列的秩為 2，以此類推。
在 NumPy中，每一個線性的陣列稱為是一個軸（axis），也就是維度（dimensions）。比如說，二維陣列相當於是兩個一維陣列，其中第一個一維陣列中每個元素又是一個一維陣列。所以一維陣列就是 NumPy 中的軸（axis），第一個軸相當於是底層陣列，第二個軸是底層陣列裡的陣列。而軸的數量——秩，就是陣列的維數。
很多時候可以宣告 axis。
-
- axis=0，表示沿著第 0 軸進行操作，即對每一列進行操作；
- axis=1，表示沿著第1軸進行操作，即對每一行進行操作。
NumPy 的陣列中比較重要 ndarray 物件屬性有：
| 屬性 | 說明 |
|---|---|
| ndarray.ndim | 秩，即軸的數量或維度的數量 |
| ndarray.shape | 陣列的維度，對於矩陣，n 行 m 列 |
| ndarray.size | 陣列元素的總個數，相當於 .shape 中 n*m 的值 |
| ndarray.dtype | ndarray 物件的元素型別 |
| ndarray.itemsize | ndarray 物件中每個元素的大小，以位元組為單位 |
| ndarray.flags | ndarray 物件的記憶體資訊 |
| ndarray.real | ndarray元素的實部 |
| ndarray.imag | ndarray 元素的虛部 |
| ndarray.data | 包含實際陣列元素的緩衝區，由於一般通過陣列的索引獲取元素，所以通常不需要使用這個屬性。 |
| ndarray.flat | 陣列上的一維迭代器。 |
| ndarray.base | Base object if memory is from some other object. |
numpy.ndarray.ndim
Examples：返回軸數。
>>> x = np.array([1, 2, 3])
>>> x.ndim
1
>>> y = np.zeros((2, 3, 4))
>>> y.ndim
3
ndarray.shape
ndarray.shape 表示陣列的維度，返回一個元組，這個元組的長度就是維度的數目，即 ndim 屬性(秩)。比如，一個二維陣列，其維度表示"行數"和"列數"。
a = np.array([[1,2,3],[4,5,6]])
print (a.shape)
(2, 3) #元組
類似的 numpy.shape : Return the shape of an array.
np.shape(np.eye(3))
(3, 3)
np.shape([[1, 3]])
(1, 2)
np.shape([0])
(1,)
np.shape(0)
()
a = np.array([(1, 2), (3, 4), (5, 6)],
dtype=[('x', 'i4'), ('y', 'i4')])
np.shape(a)
(3,)
a.shape
(3,)
使用 ndarray.shape 調整資料大小：
a = np.array([[1,2,3],[4,5,6]])
a.shape = (3,2)
print (a)
#輸出結果為：
[[1 2]
[3 4]
[5 6]]
類似的：NumPy 也提供了 reshape 函式來調整陣列大小。
a = np.array([[1,2,3],[4,5,6]])
b = a.reshape(3,2)
print (b)
#輸出結果為：
[[1, 2]
[3, 4]
[5, 6]]
ndarray.itemsize
ndarray.itemsize 以位元組的形式返回陣列中每一個元素的大小。
例如，一個元素型別為 float64 的陣列 itemsize 屬性值為 8 (float64 佔用 64 個 bits，每個位元組長度為 8，所以 64/8，佔用 8 個位元組），又如，一個元素型別為 complex32 的陣列 item 屬性為 4（32/8）。
# 陣列的 dtype 為 int8（一個位元組）
x = np.array([1,2,3,4,5], dtype = np.int8)
print (x.itemsize)
# 陣列的 dtype 現在為 float64（八個位元組）
y = np.array([1,2,3,4,5], dtype = np.float64)
print (y.itemsize)
#輸出結果
1
8
ndarray.flags
ndarray.flags 返回 ndarray 物件的記憶體資訊，包含以下屬性：
| 屬性 | 描述 |
|---|---|
| C_CONTIGUOUS (C) | 資料是在一個單一的C風格的連續段中 |
| F_CONTIGUOUS (F) | 資料是在一個單一的Fortran風格的連續段中 |
| OWNDATA (O) | 陣列擁有它所使用的記憶體或從另一個物件中借用它 |
| WRITEABLE (W) | 資料區域可以被寫入，將該值設定為 False，則資料為只讀 |
| ALIGNED (A) | 資料和所有元素都適當地對齊到硬體上 |
| UPDATEIFCOPY (U) | 這個陣列是其它陣列的一個副本，當這個陣列被釋放時，原陣列的內容將被更新 |
numpy.ndarray.base
返回 Base Object.
Examples：
x = np.array([1,2])
print(x.base)
y=x[1:]
print(y.base) #返回的是 x 中的資料，有點像 copy
print(y.base is x)
#輸出結果
None
[1 2]
True
numpy.ndarray.flat
返回 ndarray 的一維迭代器。
Examples:
x= np.arange(6).reshape((2,3))
print(x)
for i in x.flat:
print(i,end=' ')
print()
print(type(x.flat))
#輸出結果
[[0 1 2]
[3 4 5]]
0 1 2 3 4 5
<class 'numpy.flatiter'>
numpy.ndarray.T
返回轉置陣列。
Examples：
x = np.array([[1.,2.],[3.,4.]])
print('原始陣列：\n',x)
print('轉置陣列：\n',x.T)
x = np.array([1.,2.,3.,4.])
print('原始陣列：\n',x)
print('轉置陣列：\n',x.T)
#輸出結果
原始陣列：
[[1. 2.]
[3. 4.]]
轉置陣列：
[[1. 3.]
[2. 4.]]
原始陣列：
[1. 2. 3. 4.]
轉置陣列：
[1. 2. 3. 4.]
numpy.ndarray.real & numpy.ndarray.imag
- numpy.ndarray.real 返回 ndarray 的實部
- numpy.ndarray.imag 返回 ndarray 的虛部
Example1：
x = np.array([1.,2.,3.,4.])
print(x)
print(x.real)
print(x.imag)
#輸出結果
[1. 2. 3. 4.]
[1. 2. 3. 4.]
[0. 0. 0. 0.]
Example2：
x = np.array([1+1j,2,3,4])
print(x)
print(x.real)
print(x.imag)
#輸出結果
[1.+1.j 2.+0.j 3.+0.j 4.+0.j]
[1. 2. 3. 4.]
[1. 0. 0. 0.]
同樣可以通過 .real 和 .imag 修改元素的實部或者虛部。
Examples3:
x = np.array([1+1j,2,3,4])
print(x)
print(x.real)
print(x.imag)
#通過x.real修改所有元素的實部
x.real = 9
print(x)
#通過x.imag修改所有元素的實部
x = np.array([1+1j,2,3,4])
x.imag = 7
print(x)
#輸出結果
[1.+1.j 2.+0.j 3.+0.j 4.+0.j]
[1. 2. 3. 4.]
[1. 0. 0. 0.]
[9.+1.j 9.+0.j 9.+0.j 9.+0.j]
[1.+7.j 2.+7.j 3.+7.j 4.+7.j]
對於實部和虛部，存在：
- np.real(x)：返回實部
- np.imag(x)：返回虛部
Examples:
print(np.real(x))
print(np.imag(x))
#輸出結果
[1. 2. 3. 4.]
[7. 7. 7. 7.]