NumPy: N-мерный массив (ndarray)

N-мерный массив

Ndarray - это (обычно фиксированный размер) многомерный контейнер элементов одного типа и размера. Количество измерений и элементов в массиве определяется его формой, которая является кортежем из N натуральных чисел, которые определяют размеры каждого измерения.

Как и другие объекты-контейнеры в Python, к содержимому ndarray можно получить доступ и изменить его, проиндексировав или разделив массив (используя, например, N целых чисел), а также с помощью методов и атрибутов ndarray.

Разные ndarrays могут совместно использовать одни и те же данные, так что изменения, сделанные в одном ndarray, могут быть видны в другом. То есть ndarray может быть «представлением» другого ndarray, а данные, на которые он ссылается, обрабатываются «base» ndarray. ndarrays также могут быть представлениями памяти, принадлежащей строкам Python или объектам, реализующим интерфейсы буфера или массива.

2-мерный массив размером 2 x 3, состоящий из 4-байтовых целочисленных элементов:

Пример-1

>>> import numpy as np
>>> a = np.array([[3, 4, 5], [6, 7, 8]], np.int32)

>>> a.shape
(2, 3)
>>> a.dtype
dtype('int32')

Массив может быть проиндексирован с использованием контейнерного синтаксиса Python:

Пример - 2

>>> # The element of a in the *second* row, *third* column, namely, 6.
>>> a[1, 2]
8

Например, нарезка может привести к просмотру массива:

Пример - 3

>>> import numpy as np
>>> b = a[:,1]
>>> b
array([4, 7])
>>> b[0] = 7
>>> b
array([7, 7])
>>> a
array([[3, 7, 5],
       [6, 7, 8]])

Построение массивов

Новые массивы могут быть созданы с использованием процедур, подробно описанных в процедурах создания массивов , а также с помощью низкоуровневого конструктора ndarray:

 ndarray (shape [, dtype, buffer, offset,…]) 

Атрибуты массива

Атрибуты массива отражают информацию, которая присуща самому массиву. Как правило, доступ к массиву через его атрибуты позволяет вам получать и иногда устанавливать внутренние свойства массива, не создавая новый массив. Открытые атрибуты являются основными частями массива, и только некоторые из них могут быть значительно сброшены без создания нового массива.

Предыдущая: Типы данных NumPy
Далее: NumPy массив Home