Numpy中ndim、shape、dtype、astype的用法详解

本文介绍numpy数组中这四个方法的区别ndim、shape、dtype、astype。

1.ndim

ndim返回的是数组的维度，返回的只有一个数，该数即表示数组的维度。

2.shape

shape：表示各位维度大小的元组。返回的是一个元组。

对于一维数组：有疑问的是为什么不是（1，6），因为arr1.ndim维度为1，元组内只返回一个数。

对于二维数组：前面的是行，后面的是列，他的ndim为2，所以返回两个数。

对于三维数组：很难看出，下面打印arr3，看下它是什么结构。

先看最外面的中括号，包含[[1,2,3],[4,5,6]]和[[7,8,9],[10,11,12]]，假设他们为数组A、B，就得到[A,B]，如果A、B仅仅是一个数字，他的ndim就是2，这就是第一个数。但是A、B是（2，3）的数组。所以结合起来，这就是arr3的shape，为（2，2，3）。

将这种方法类比，也就可以推出4维、5维数组的shape。

3.dtype

dtype：一个用于说明数组数据类型的对象。返回的是该数组的数据类型。由于图中的数据都为整形，所以返回的都是int32。如果数组中有数据带有小数点，那么就会返回float64。

有疑问的是：整形数据不应该是int吗？浮点型数据不应该是float吗？

解答：int32、float64是Numpy库自己的一套数据类型。

4.astype

astype：转换数组的数据类型。

int32 --> float64        完全ojbk

float64 --> int32        会将小数部分截断

string_ --> float64        如果字符串数组表示的全是数字，也可以用astype转化为数值类型

注意其中的float，它是python内置的类型，但是Numpy可以使用。Numpy会将Python类型映射到等价的dtype上。

以上是这四个方法的简单用法，之后若有什么新发现再做补充。

到此这篇关于Numpy中ndim、shape、dtype、astype的用法详解的文章就介绍到这了,更多相关Numpy中ndim、shape、dtype、astype内容请搜索呐喊教程以前的文章或继续浏览下面的相关文章希望大家以后多多支持呐喊教程！

声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：notice#nhooo.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。