Python?numpy中的ndarray如何理解

這期內容當中小編將會給大家帶來有關Python numpy中的ndarray如何理解，文章內容豐富且以專業的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

numpy 模塊知識：

• numpy 模塊是一個開源的第三方Python庫，常用于科學和工程領域，是科學Python和PyData 生態系統的核心。

• numpy 模塊易學易用的特點，基本上覆蓋了初學者到先進科學研究員的所有人群。

• numpy 模塊除了在matplotlib上應用，它還在Pandas、Scipy、scikit-learn等科學Python中。

• numpy 模塊也包含多維數組和矩陣數據結構，它專門提供了具有n維數組對象的ndarray,以及對其進行有效操作的方法。

• numpy 模塊也可用于對數組執行各種數學運算，提供高級數學函數庫，以及數組和矩陣的操作。

眾所周知，numpy 模塊中數組對象是其核心功能，下面我們重點來學習numpy 數組相關內容。

1. 什么是 ndarray？

ndarray 概念

數組是numpy 模塊核心數據結構。數組是值的網絡，它的內部包含有原始數據、如何定義元素以及如何解釋元素的信息。我們可以使用各種方式索引元素網格。

ndarray 是 numpy 模塊中定義 n維數組類型。ndarray 可以描述同種類型project的集合。

• 同種數據類型：numpy 數組中的所有元素都是同種類類型，如int32，float64等

• 同大小內存空間：每個project占用相同大小內存塊

• 同方式解釋：每個project由object數據類型指定，，其中一個與每個數組相關聯

• 可以N個整數對project進行索引

ndarray 內部關系

從數組中我們可以提取python對象表示的如索引是numpy 內置數組標量類型之一，我們可以通過使用數組標量來輕松操作復雜的數據排列。

通過以上ndarray 內部結構，我們可以看到 ndarray 主要由 dtype、shape、stride組成

• ndarray 指向內存映射地址的指針-data對象

• ndarray 元素解釋形象-dtype對象

• ndarray 每個維度的元素之間的間隔-strides對象（tuple）

• ndarray 對每個維度的數量和大小的描述-shape對象（tuple）

以上四個python對象就可以在ndarray 中通過索引的方式找到指定位置的數據。

同時我們也調用np.array().flags 獲取字節序、讀寫權限等信息，可知ndarray 底層是C和Fortran 實現的。

  C_CONTIGUOUS : True
  F_CONTIGUOUS : False
  OWNDATA : True
  WRITEABLE : True
  ALIGNED : True
  WRITEBACKIFCOPY : False
  UPDATEIFCOPY : False

2. ndarray 內存結構

ndarray 內存結構

我們通過numpy.array 方法創建一個2維數組

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

import numpy as np

a = np.array([[1,2],[4,5],[7,8]])

print("dim:",a.ndim)
print("strides:",a.strides)
print("dtype:",a.dtype)
print("data:",a.data)
print("shape:",a.shape)
print(a)

通過array對象調用ndarray 標量對象，可以獲知ndarray 維度大小、元素類型、間隔等信息

通過上述圖，我們可以知道 ndarray 內存主要劃分為兩部分：

• raw data： 計算機一段連續的block，存儲在C或者Fortran中的數組

• metdata：有關原始數組數據的信息

3. ndarray vs list

ndarray 特點

• ndarray 要求所有數據都是同種類型的

• 每個數據占用空間一樣

• 數組中存儲的數據是一段連續的空間

list 特點

• 可以容納不同數據類型

• list 中只存放對象的引用，再通過引用找到具體的對象

• 對象的物理地址并不是連續的

所以，綜上所述，ndarray 查找數據運行效率比list快，同時ndarray 存儲的數據是連續的一段空間，對比list 對象物理地址分散的，ndarray 比 list 更省空間。

上述就是小編為大家分享的Python numpy中的ndarray如何理解了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注億速云行業資訊頻道。