NumPy数组

NumPy中的核心对象是以ndarray为类型的数组。数组中通常存放相同数值类型的对象。数组的维度通常叫做轴（axis）。

数组的常用属性

ndarray.ndim

数组对象的维度（轴）数量

ndarray.shape

数组对象的尺寸，是由每个维度上的元素个数构成的元组。如果一个数组有m行n列，那它的尺寸就是(m, n)。

ndarray.size

数组中所有元素的数量，等于shape元组中各元素乘积。

ndarray.dtype

数组元素的存储类型，具体有哪些类型可以参考 这里。

ndarray.itemsiz

数组中元素占用的字节数，具体和数组元素的存储类型有关。

import numpy as np
a = np.array([1, 2], dtype=np.int8)
b = np.array([1, 2], dtype=np.int16)
pirnt(a.itemsize, b.itemsize)   # 1 2

举个例子

import numpy as np
a = np.arange(15).reshape(3, 5)
print(type(a))  # <class 'numpy.ndarray'>
print(a.shape)  # (3, 5)
print(a.dtype)  # dtype('int32')
print(a.itemsize)   # 4
print(a.size)   # 15
print(repr(a))  # 重写了__repr__()魔法函数，结果如下
# array([[ 0,  1,  2,  3,  4],
#        [ 5,  6,  7,  8,  9],
#        [10, 11, 12, 13, 14]])
print(a)    # 重写了__str__()魔法函数，结果如下
# [[ 0  1  2  3  4]
#  [ 5  6  7  8  9]
#  [10 11 12 13 14]]

补充：0维数组

在使用numpy.array()构建数组对象时，通常会传入列表作为参数，其实，如果我们传入一个常数作为参数，也能够构建出数组对象，此时的数组，其维度是 0。

import numpy as np
a = np.array(666)
print(type(a))  # <class 'numpy.ndarray'>
print(repr(a))  # array(666)
print(a.ndim)   # 0
print(a.shape)  # ()

现在就比较尴尬了，其他维度的数组，我们可以通过索引来访问其中的元素值，但是零维数组，连维度都没有，哪里来的索引呢？更别说修改数组元素的值了。但是，Python里还真有称得上是「竟然还有这种操作」的操作。

# 修改零维数组的值
a[...] = 777
print(a)    # 777

...具体起到了什么作用可以参考这个回答：What does the Python Ellipsis object do?

在后面多维数组遍历的时候，还会碰到这个问题，先做个铺垫。