NumPy - Attributi array

In questo capitolo, discuteremo i vari attributi degli array di NumPy.

ndarray.shape

Questo attributo di matrice restituisce una tupla composta da dimensioni di matrice. Può anche essere utilizzato per ridimensionare l'array.

Esempio 1

import numpy as np 
a = np.array([[1,2,3],[4,5,6]]) 
print a.shape

L'output è il seguente:

(2, 3)

Esempio 2

# this resizes the ndarray 
import numpy as np 

a = np.array([[1,2,3],[4,5,6]]) 
a.shape = (3,2) 
print a

L'output è il seguente:

[[1, 2] 
 [3, 4] 
 [5, 6]]

Esempio 3

NumPy fornisce anche una funzione reshape per ridimensionare un array.

import numpy as np 
a = np.array([[1,2,3],[4,5,6]]) 
b = a.reshape(3,2) 
print b

L'output è il seguente:

[[1, 2] 
 [3, 4] 
 [5, 6]]

ndarray.ndim

Questo attributo di matrice restituisce il numero di dimensioni di matrice.

Esempio 1

# an array of evenly spaced numbers 
import numpy as np 
a = np.arange(24) 
print a

L'output è il seguente:

[0 1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  16 17 18 19 20 21 22 23]

Esempio 2

# this is one dimensional array 
import numpy as np 
a = np.arange(24) 
a.ndim  

# now reshape it 
b = a.reshape(2,4,3) 
print b 
# b is having three dimensions

L'output è il seguente:

[[[ 0,  1,  2] 
  [ 3,  4,  5] 
  [ 6,  7,  8] 
  [ 9, 10, 11]]  
  [[12, 13, 14] 
   [15, 16, 17]
   [18, 19, 20] 
   [21, 22, 23]]]

numpy.itemsize

Questo attributo di matrice restituisce la lunghezza di ogni elemento di matrice in byte.

Esempio 1

# dtype of array is int8 (1 byte) 
import numpy as np 
x = np.array([1,2,3,4,5], dtype = np.int8) 
print x.itemsize

L'output è il seguente:

1

Esempio 2

# dtype of array is now float32 (4 bytes) 
import numpy as np 
x = np.array([1,2,3,4,5], dtype = np.float32) 
print x.itemsize

L'output è il seguente:

4

numpy.flags

L'oggetto ndarray ha i seguenti attributi. I suoi valori correnti vengono restituiti da questa funzione.

Sr.No. Attributo e descrizione
1

C_CONTIGUOUS (C)

I dati si trovano in un unico segmento contiguo in stile C.

2

F_CONTIGUOUS (F)

I dati sono in un singolo segmento contiguo in stile Fortran

3

OWNDATA (O)

L'array possiede la memoria che usa o la prende in prestito da un altro oggetto

4

WRITEABLE (W)

È possibile scrivere nell'area dati. L'impostazione di questo su False blocca i dati, rendendoli di sola lettura

5

ALIGNED (A)

I dati e tutti gli elementi sono allineati in modo appropriato per l'hardware

6

UPDATEIFCOPY (U)

Questo array è una copia di un altro array. Quando questo array viene deallocato, l'array di base verrà aggiornato con il contenuto di questo array

Esempio

L'esempio seguente mostra i valori correnti dei flag.

import numpy as np 
x = np.array([1,2,3,4,5]) 
print x.flags

L'output è il seguente:

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