Numpy（科学计算包）- 【Ndarray 对象 】
NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，以 0 下标为开始进行集合中元素的索引。ndarray 对象是用于存放同类型元素的多维数组。
ndarray 中的每个元素在内存中都有相同存储大小的区域。
ndarray 内部由以下内容组成：
一个指向数据（内存或内存映射文件中的一块数据）的指针。
数据类型或 dtype，描述在数组中的固定大小值的格子。
一个表示数组形状（shape）的元组，表示各维度大小的元组。
一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要"跨过"的字节数。
ndarray 的内部结构:
[img]http://p.algo2.net/2024/0312/37be7f990a4ff.png[/img]
跨度可以是负数，这样会使数组在内存中后向移动，切片中 obj[::-1] 或 obj[:,::-1] 就是如此。
创建一个 ndarray 只需调用 NumPy 的 array 函数即可：[code]numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)[/code]参数说明：
[img]http://p.algo2.net/2024/0312/0d2b332bb6c35.png[/img]
实例
接下来可以通过以下实例帮助我们更好的理解。
实例 1[code]import numpy as np
a = np.array([1,2,3])
print (a)[/code]输出结果如下：[code][1 2 3][/code]实例 2[code]# 多于一个维度
import numpy as np
a = np.array([[1, 2], [3, 4]])
print (a)[/code]输出结果如下：[code][[1 2]
[3 4]][/code]实例 3[code]# 最小维度
import numpy as np
a = np.array([1, 2, 3, 4, 5], ndmin = 2)
print (a)[/code]输出如下：[code][[1 2 3 4 5]][/code]实例 4[code]# dtype 参数
import numpy as np
a = np.array([1, 2, 3], dtype = complex)
print (a)[/code]输出结果如下：[code][1.+0.j 2.+0.j 3.+0.j][/code]ndarray 对象由计算机内存的连续一维部分组成，并结合索引模式，将每个元素映射到内存块中的一个位置。内存块以行顺序(C样式)或列顺序(FORTRAN或MatLab风格，即前述的F样式)来保存元素。
页:
[1]