当前位置：首页 > news >正文

Python 数据科学与可视化工具箱 (一) - 数组属性：`shape`, `dtype`, `ndim`, `size`

news 2025/8/2 15:05:07

在前文中，我们学习了如何创建 NumPy 数组。创建数组只是第一步，要高效地操作和理解这些数组，你必须先了解它们的核心属性。这些属性就像是数组的“身份证”，详细描述了它的结构和内容。本篇将重点介绍 NumPy 数组最常用的四个属性：shape, dtype, ndim, 和 size。

1. 为什么数组属性如此重要？

在处理数据时，你经常需要知道数据的维度、大小和类型，以便进行正确的计算和转换。例如：

形状 (shape)：你想对两个矩阵进行乘法运算，你必须先确认它们的形状是否符合乘法规则。
数据类型 (dtype)：你想计算一个数组的平均值，你需要知道它是否由数字组成，而不是字符串。
维数 (ndim)：你想将一个三维的图像数据展平为一维，你需要知道它的维数。
总大小 (size)：你想评估一个数组占用的内存大小，你需要知道它包含多少个元素。

掌握这些属性，能让你在数据处理中做到心中有数，避免许多常见的错误。

2. NumPy 数组核心属性详解

我们将通过一系列示例来深入了解这四个属性。

2.1 `shape`：数组的形状

shape 属性是一个元组，它告诉你在数组的每一个维度上，有多少个元素。元组的长度等于数组的维数 (ndim)。

功能: 表示数组在每个轴上的大小。
类型: 元组 (d1, d2, ..., dn)，其中 $d\_i$ 是第 $i$ 维的大小。

示例与说明:

import numpy as np# 一维数组 (向量)
arr1d = np.array([1, 2, 3, 4, 5])
print("一维数组:", arr1d)
print("形状 (shape):", arr1d.shape) # 输出: (5,)
# 只有一个维度，大小为 5。元组中的逗号表示它是一个单元素元组。# 二维数组 (矩阵)
arr2d = np.array([[10, 11, 12], [13, 14, 15]])
print("\n二维数组:\n", arr2d)
print("形状 (shape):", arr2d.shape) # 输出: (2, 3)
# 两个维度：第一个维度有 2 行，第二个维度有 3 列。# 三维数组
arr3d = np.arange(1, 28).reshape(3, 3, 3)
print("\n三维数组:\n", arr3d)
print("形状 (shape):", arr3d.shape) # 输出: (3, 3, 3)
# 三个维度：3 个“页” (blocks)，每个页有 3 行，每行有 3 列。# shape 的灵活运用：重塑 (Reshaping)
# shape 属性本身是不可变的，但你可以使用 `reshape()` 方法来改变数组的形状。
arr = np.arange(12)
print("\n原始数组 (12个元素):", arr)
arr_reshaped = arr.reshape((3, 4))
print("重塑为 3x4 矩阵:\n", arr_reshaped)
print("新形状:", arr_reshaped.shape)
# 注意：重塑时新旧数组的元素总数必须相同 (12 = 3 * 4)。
# 重塑时，可以使用 -1 作为某个维度的大小，NumPy 会自动计算它。
arr_auto_reshaped = arr.reshape((2, -1))
print("自动计算形状 (2x6):\n", arr_auto_reshaped)
print("新形状:", arr_auto_reshaped.shape)