概述

关于 NumPy

文章

用户指南

NumPy 参考手册

其他文档

文江博客开发文档 NumPy 中文文档文章详情

文章来源于网络收集而来，版权归原创者所有，如有侵权请及时联系！

N维数组（ndarray）

发布于 2023-06-23 19:27:33 字数 47941 浏览 0 评论 0 收藏 0

一个 ndarrayopen in new window是具有相同类型和大小的项目的（通常是固定大小的）多维容器。尺寸和数组中的项目的数量是由它的shapeopen in new window定义，它是由N个非负整数组成的tupleopen in new window（元组），用于指定每个维度的大小。数组中项目的类型由单独的data-type object (dtype)open in new window指定，其中一个与每个ndarray相关联。

与Python中的其他容器对象一样，可以通过对数组进行索引或切片open in new window（例如，使用N个整数）以及通过ndarrayopen in new window的方法和属性来访问和修改ndarrayopen in new window的内容。

不同的是,ndarraysopen in new window可以共享相同的数据，因此在一个ndarrayopen in new window中进行的更改可能在另一个中可见。也就是说，ndarray可以是另一个ndarray 的 “view” ，它所指的数据由 “base” ndarray处理。 ndarrays也可以是Python拥有的内存stringsopen in new window或实现 buffer 或数组接口的对象的视图。

例子：

尺寸为2 x 3的二维数组，由4个字节的整数元素组成：

>>> x = np.array([[1, 2, 3], [4, 5, 6]], np.int32)
>>> type(x)
<type 'numpy.ndarray'>
>>> x.shape
(2, 3)
>>> x.dtype
dtype('int32')

可以使用类似Python容器的语法对数组进行索引：

>>> # The element of x in the *second* row, *third* column, namely, 6.
>>> x[1, 2]

例如，切片可以生成数组的视图：

>>> y = x[:,1]
>>> y
array([2, 5])
>>> y[0] = 9 # this also changes the corresponding element in x
>>> y
array([9, 5])
>>> x
array([[1, 9, 3],
       [4, 5, 6]])

构造数组

可以使用数组创建API中详述的使用方法以及使用低级 ndarrayopen in new window 构造函数构建新数组：

方法	描述
ndarrayopen in new window(shape[, dtype, buffer, offset, ...])	数组对象表示固定大小的项的多维同构数组。

索引数组

可以使用扩展的Python切片语法对数组建立索引 array[selection]。类似的语法也用于访问结构化数据类型open in new window中的字段。

另见

数组索引。

ndarray的内存布局

类的实例ndarrayopen in new window 由计算机内存的连续一维段（由数组拥有，或由某个其他对象拥有）组成，并与将 N个整数映射到块中项的位置的索引方案相结合。索引可以变化的范围由shapeopen in new window数组的指定。每个项目占用多少字节以及如何解释字节由与数组关联的数据类型对象定义。

存储器段本质上是1维的，并且存在许多不同的方案用于在1维块中布置 N 维数组的项。NumPy非常灵活，ndarrayopen in new window 对象可以适应任何 跨步索引方案 。在跨步方案中，N维索引 $(n_0, n_1, ..., n_{N-1})$ 对应于偏移量（以字节为单位）：

从与数组关联的内存块的开头。这里是指定stridesopen in new window数组的整数。的column-majoropen in new window顺序（使用，例如，在Fortran语言和 Matlab的 ）和 row-majoropen in new window顺序方案（在C中使用）都只是特定种类的跨距方案的，并对应于可以被存储器寻址由步幅：

where $d_j$ = self.shape[j].

C和Fortran命令都是连续的open in new window，即单段内存布局，其中内存块的每个部分都可以通过某些索引组合来访问。

虽然具有相应标志集的C风格和Fortran风格的连续数组可以通过上述步骤来解决，但实际的步幅可能不同。这可能发生在两种情况：

如果 self.shape[k] == 1，则对于任何合法索引 index[k] == 0。这意味着在偏移量的公式中，因此和 = self.strides[k] 的值是任意的。
如果数组没有元素 (self.size == 0) ，则没有合法索引，并且从不使用跨距。任何没有元素的数组都可以被认为是C样式和Fortran样式的连续数组。

点 1.表示self并且self.squeeze()始终具有相同的连续性和aligned标志值。这也意味着即使是高维数组也可能同时是C风格和Fortran风格的连续。

如果所有元素的内存偏移量和基本偏移量本身是 self.itemsize 的倍数，则认为数组是对齐的。了解 内存对齐 可以在大多数硬件上实现更好的性能。

注意

默认情况下尚未应用点（1）和（2）。从NumPy 1.8.0开始，只有NPY_RELAXED_STRIDES_CHECKING=1在构建NumPy时定义了环境变量时才会一致地应用它们。最终这将成为默认值。

您可以通过查看 np.ones((10,1), order='C').flags.f_contiguous 的值来检查在构建NumPy时是否启用了此选项。如果这是 True，则您的NumPy已启用松弛步幅检查。

警告

它通常不认为对于C型连续数组，self.strides[-1] == self.itemsize 或对于Fortran样式连续数组，self.strides[0] == self.itemsize 为真。

除非另有说明，否则new ndarraysopen in new window 中的数据采用row-majoropen in new window(C) 顺序，但是，例如，基本数组切片通常会以不同的方案生成视图open in new window。

注意

NumPy中的几种算法适用于任意跨步数组。但是，某些算法需要单段数组。当不规则跨越的数组传递给这样的算法时，自动进行复制。

数组属性

数组属性反映了数组本身固有的信息。通常，通过其属性访问数组允许您获取并有时设置数组的内部属性，而无需创建新数组。公开的属性是数组的核心部分，只有一些属性可以有意义地重置而无需创建新数组。有关每个属性的信息如下。

内存布局

以下属性包含有关数组内存布局的信息：

方法	描述
ndarray.flagsopen in new window	有关数组内存布局的信息。
ndarray.shapeopen in new window	数组维度的元组。
ndarray.stridesopen in new window	遍历数组时每个维度中的字节元组。
ndarray.ndimopen in new window	数组维数。
ndarray.dataopen in new window	Python缓冲区对象指向数组的数据的开头。
ndarray.sizeopen in new window	数组中的元素数。
ndarray.itemsizeopen in new window	一个数组元素的长度，以字节为单位
ndarray.nbytesopen in new window	数组元素消耗的总字节数。
ndarray.baseopen in new window	如果内存来自其他对象，则为基础对象。

数据类型

另见

数据类型对象

可以在dtypeopen in new window属性中找到与该数组关联的数据类型对象：

方法	描述
ndarray.dtypeopen in new window	数组元素的数据类型。

其他属性

方法	描述
ndarray.Topen in new window	转置数组。
ndarray.realopen in new window	数组的真实部分。
ndarray.imagopen in new window	数组的虚部。
ndarray.flatopen in new window	数组上的一维迭代器。
ndarray.ctypesopen in new window	一个简化数组与ctypes模块交互的对象。

数组接口

另见

数组接口。

方法	描述
__array_interface__	数组接口的Python端
__array_struct__	数组接口的C语言端（C-side）

`ctypes`外部函数接口

方法	描述
ndarray.ctypesopen in new window	一个简化数组与ctypes模块交互的对象。

数组方法

一个ndarrayopen in new window对象具有上或与以某种方式在数组，典型地返回一个数组结果操作的许多方法。下面简要说明这些方法。（每个方法的docstring都有更完整的描述。）

对于下面的方法在那里也相应的功能

数组转换

方法	描述
ndarray.itemopen in new window(*args)	将数组元素复制到标准Python标量并返回它。
ndarray.tolistopen in new window()	将数组作为a.ndim-levels深层嵌套的Python标量列表返回。
ndarray.itemsetopen in new window(*args)	将标量插入数组（如果可能，将标量转换为数组的dtype）
ndarray.tostringopen in new window([order])	构造包含数组中原始数据字节的Python字节。
ndarray.tobytesopen in new window([order])	构造包含数组中原始数据字节的Python字节。
ndarray.tofileopen in new window(fid[, sep, format])	将数组作为文本或二进制写入文件（默认）。
ndarray.dumpopen in new window(file)	将数组的pickle转储到指定的文件。
ndarray.dumpsopen in new window()	以字符串形式返回数组的pickle。
ndarray.astypeopen in new window(dtype[, order, casting, …])	数组的副本，强制转换为指定的类型。
ndarray.byteswapopen in new window([inplace])	交换数组元素的字节
ndarray.copyopen in new window([order])	返回数组的副本。
ndarray.viewopen in new window([dtype, type])	具有相同数据的数组的新视图。
ndarray.getfieldopen in new window(dtype[, offset])	返回给定数组的字段作为特定类型。
ndarray.setflagsopen in new window([write, align, uic])	分别设置数组标志WRITEABLE，ALIGNED，（WRITEBACKIFCOPY和UPDATEIFCOPY）。
ndarray.fillopen in new window(value)	使用标量值填充数组。

形状操作

对于重新n整形，调整大小和转置，单个元组参数可以用将被解释为n元组的整数替换。

方法	描述
ndarray.reshapeopen in new window(shape[, order])	返回包含具有新形状的相同数据的数组。
ndarray.resizeopen in new window(new_shape[, refcheck])	就地更改数组的形状和大小。
ndarray.transposeopen in new window(*axes)	返回轴转置的数组视图。
ndarray.swapaxesopen in new window(axis1, axis2)	返回数组的视图，其中axis1和axis2互换。
ndarray.flattenopen in new window([order])	将折叠的数组的副本返回到一个维度。
ndarray.ravelopen in new window([order])	返回一个扁平的数组。
ndarray.squeezeopen in new window([axis])	从形状除去单维输入一个。

项目选择和操作

对于采用 axis 关键字的数组方法，默认为 None。如果axis为 None ，则将数组视为1-D数组。轴的任何其他值表示操作应继续进行的维度。

方法	描述
ndarray.takeopen in new window(indices[, axis, out, mode])	返回由给定索引处的a元素组成的数组。
ndarray.putopen in new window(indices, values[, mode])	为索引中的所有n设置。a.flat[n] = values[n]
ndarray.repeatopen in new window(repeats[, axis])	重复数组的元素。
ndarray.chooseopen in new window(choices[, out, mode])	使用索引数组从一组选项中构造新数组。
ndarray.sortopen in new window([axis, kind, order])	对数组进行就地排序。
ndarray.argsortopen in new window([axis, kind, order])	返回将对此数组进行排序的索引。
ndarray.partitionopen in new window(kth[, axis, kind, order])	重新排列数组中的元素，使得第k个位置的元素值位于排序数组中的位置。
ndarray.argpartitionopen in new window(kth[, axis, kind, order])	返回将对此数组进行分区的索引。
ndarray.searchsortedopen in new window(v[, side, sorter])	查找应在其中插入v的元素以维护顺序的索引。
ndarray.nonzeroopen in new window()	返回非零元素的索引。
ndarray.compressopen in new window(condition[, axis, out])	沿给定轴返回此数组的选定切片。
ndarray.diagonalopen in new window([offset, axis1, axis2])	返回指定的对角线。

计算

其中许多方法都采用名为 axis 的参数。在这种情况下，

如果 axis 为 None （默认值），则将数组视为1-D数组，并对整个数组执行操作。如果self是0维数组或数组标量，则此行为也是默认行为。（数组标量是类型/类float32，float64等的实例，而0维数组是包含恰好一个数组标量的ndarray实例。）
如果 axis 是整数，则操作在给定轴上完成（对于可沿给定轴创建的每个1-D子数组）。

尺寸为 3 x 3 x 3 的三维数组，在其三个轴中的每个轴上求和

>>> x
array([[[ 0,  1,  2],
        [ 3,  4,  5],
        [ 6,  7,  8]],
       [[ 9, 10, 11],
        [12, 13, 14],
        [15, 16, 17]],
       [[18, 19, 20],
        [21, 22, 23],
        [24, 25, 26]]])
>>> x.sum(axis=0)
array([[27, 30, 33],
       [36, 39, 42],
       [45, 48, 51]])
>>> # for sum, axis is the first keyword, so we may omit it,
>>> # specifying only its value
>>> x.sum(0), x.sum(1), x.sum(2)
(array([[27, 30, 33],
        [36, 39, 42],
        [45, 48, 51]]),
 array([[ 9, 12, 15],
        [36, 39, 42],
        [63, 66, 69]]),
 array([[ 3, 12, 21],
        [30, 39, 48],
        [57, 66, 75]]))

参数 dtype 指定应该进行简化操作（如求和）的数据类型。默认的reduce数据类型与 self 的数据类型相同。为避免溢出，使用更大的数据类型执行缩减可能很有用。

对于多种方法，还可以提供可选的 out 参数，并将结果放入给定的输出数组中。该 out 参数必须是ndarrayopen in new window与具有相同数目的元素。它可以具有不同的数据类型，在这种情况下将执行转换。

方法	描述
ndarray.maxopen in new window([axis，out，keepdims，initial，...]）	沿给定轴返回最大值。
ndarray.argmaxopen in new window([axis, out])	返回给定轴上的最大值的索引。
ndarray.minopen in new window([axis，out，keepdims，initial，...])	沿给定轴返回最小值。
ndarray.argminopen in new window([axis, out])	返回最小值的索引沿给定轴线一个。
ndarray.ptpopen in new window([axis, out, keepdims])	沿给定轴的峰峰值（最大值 - 最小值）。
ndarray.clipopen in new window([min，max，out])	返回值限制为的数组。[min, max]
ndarray.conjopen in new window()	复合共轭所有元素。
ndarray.roundopen in new window([decimals, out])	返回a，每个元素四舍五入到给定的小数位数。
ndarray.traceopen in new window([offset, axis1, axis2, dtype, out])	返回数组对角线的总和。
ndarray.sumopen in new window([axis, dtype, out, keepdims, …])	返回给定轴上的数组元素的总和。
ndarray.cumsumopen in new window([axis, dtype, out])	返回给定轴上元素的累积和。
ndarray.meanopen in new window([axis, dtype, out, keepdims])	返回给定轴上数组元素的平均值。
ndarray.varopen in new window([axis, dtype, out, ddof, keepdims])	返回给定轴的数组元素的方差。
ndarray.stdopen in new window([axis, dtype, out, ddof, keepdims])	返回沿给定轴的数组元素的标准偏差。
ndarray.prodopen in new window([axis, dtype, out, keepdims, …])	返回给定轴上的数组元素的乘积
ndarray.cumprodopen in new window([axis, dtype, out])	返回沿给定轴的元素的累积乘积。
ndarray.allopen in new window([axis, out, keepdims])	如果所有元素都计算为True，则返回True。
ndarray.anyopen in new window([axis, out, keepdims])	如果任何元素，则返回true 一个评估为True。

算术、矩阵乘法和比较运算

算术和比较操作ndarraysopen in new window 被定义为逐元素操作，并且通常将 ndarrayopen in new window对象作为结果产生。

每个算术运算（的+，-，*，/，//， %，divmod()，**或pow()，<<，>>，&， ^，|，~）和比较（==，<，>， <=，>=，!=）等效于相应的通用功能（或ufuncopen in new window的简称）中NumPy的。有关更多信息，请参阅通用功能部分。

比较运算符：

方法	描述
ndarray._lt_open in new window(self, value, /)	返回 self<value.
ndarray._le_open in new window(self, value, /)	返回 self<=value.
ndarray._gt_open in new window(self, value, /)	返回 self>value.
ndarray._ge_open in new window(self, value, /)	返回 self>=value.
ndarray._eq_open in new window(self, value, /)	返回 self==value.
ndarray._ne_open in new window(self, value, /)	返回 self!=value.

array（bool）的真值：

方法	描述
ndarray.__bool__open in new window(self, /)	self != 0

注意

数组的真值测试会调用 ndarray.\_\_bool__open in new window，如果数组中的元素数大于1，则会引发错误，因为此类数组的真值是不明确的。使用.any()open in new window而 .all()open in new window不是清楚这种情况下的含义。（如果元素数为0，则数组的计算结果为False。）

一元操作：

方法	描述
ndarray.__neg__open in new window(self, /)	-self
ndarray.__pos__open in new window(self, /)	+self
ndarray.__abs__open in new window(self)
ndarray.__invert__open in new window(self, /)	~self

算术：

方法	描述
ndarray.__add__open in new window(self, value, /)	返回 self+value.
ndarray.__sub__open in new window(self, value, /)	返回 self-value.
ndarray.__mul__open in new window(self, value, /)	返回 self*value.
ndarray.__truediv__open in new window(self, value, /)	返回 self/value.
ndarray.__floordiv__open in new window(self, value, /)	返回 self//value.
ndarray.__mod__open in new window(self, value, /)	返回 self%value.
ndarray.__divmod__open in new window(self, value, /)	返回 divmod(self, value).
ndarray.__pow__open in new window(self, value[, mod])	返回 pow(self, value, mod).
ndarray.__lshift__open in new window(self, value, /)	返回 self<<value.
ndarray.__rshift__open in new window(self, value, /)	返回 self>>value.
ndarray.__and__open in new window(self, value, /)	返回 self&value.
ndarray.__or__open in new window(self, value, /)	返回 self
ndarray.__xor__open in new window(self, value, /)	返回 self^value.

注意

powopen in new window默认忽略任何第三个参数，因为底层ufuncopen in new window只接受两个参数。
三个划分算子都是定义的; div默认情况下truediv处于活动状态，当__future__open in new window分割生效时处于活动状态。
因为ndarrayopen in new window是内置类型（用C编写），所以 __r{op}__ 不直接定义特殊方法。
可以使用调用为数组实现许多算术特殊方法的函数__array_ufunc__。

就地算术运算方法：

方法	描述
ndarray.__iadd__open in new window(self, value, /)	返回 self+=value。
ndarray.__isub__open in new window(self, value, /)	返回 self==value。
ndarray.__imul__open in new window(self, value, /)	返回 self*=value。
ndarray.__itruediv__open in new window(self, value, /)	返回 self/=value。
ndarray.__ifloordiv__open in new window(self, value, /)	返回 self//=value。
ndarray.__imod__open in new window(self, value, /)	返回 self％=value。
ndarray.__ipow__open in new window(self, value, /)	返回 self**=value。
ndarray.__ilshift__open in new window(self, value, /)	返回 self<<=value。
ndarray.__irshift__open in new window(self, value, /)	返回 self>>=value。
ndarray.__iand__open in new window(self, value, /)	返回 self&=value。
ndarray.__ior__open in new window(self, value, /)	返回 self
ndarray.__ixor__open in new window(self, value, /)	返回 self^=value。

警告

就地操作将使用由两个操作数的数据类型决定的精度来执行计算，但会悄悄地向下转换结果（如果需要），以便它可以重新适应数组。因此，对于混合精度计算，A {op} = B 可以不同于 A = A {op} B。例如，假设 a = ones(3，3)。然后，a += 3j 与 a = a + 3j 不同：当它们都执行相同的计算时，a += 3 将结果强制转换为适合 a ，而 a = a+3j 将名称 a 重新绑定到结果。

矩阵乘法：

方法	描述
ndarray.__matmul__open in new window(self, value, /)	返回 self@value。

注意

Matrix 运算符 @ 和 @= 是在PEP465之后的Python 3.5中引入的。NumPy 1.10.0为测试目的初步实现了 @。进一步的文档可以在 matmulopen in new window 文档中找到。

特殊方法

对于标准库函数：

方法	描述
ndarray.__copy__open in new window()	如果使用的copy.copyopen in new window是所谓的数组上。
ndarray.__deepcopy__open in new window()	如果使用的copy.deepcopyopen in new window是所谓的数组上。
ndarray.__reduce__open in new window()	用于 pickling。
ndarray.__setstate__open in new window（州，/）	用于unpickling。

基本定制：

方法	描述
ndarray.__new__open in new window(args, *kwargs)	创建并返回一个新对象。
ndarray.__array__open in new window()	如果没有给出dtype，则返回对self的新引用;如果dtype与数组的当前dtype不同，则返回提供的数据类型的新数组。
ndarray.__array_wrap__open in new window()

容器定制:（参见索引）

方法	描述
ndarray.__len__open in new window(self, /)	返回 len(self)。
ndarray.__getitem__open in new window(self, key, /)	返回 self[key]。
ndarray.__setitem__open in new window(self, key, value, /)	将 self[key] 设置为value。
ndarray.__contains__open in new window(self, key, /)	返回 self 的 key。

转换; 操作int，float 和 complex。它们仅适用于其中包含一个元素的数组，并返回相应的标量。

方法	描述
ndarray.__int__open in new window(self)	none
ndarray.__float__open in new window(self)	none
ndarray.__complex__open in new window()	none

字符串表示：

方法	描述
ndarray.__str__open in new window(self, /)	返回 str(self)。
ndarray.__repr__open in new window(self, /)	返回 repr(self)。

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

列表为空，暂无数据

概述

文章