理解Python中的ndarray

隨著數據分析和機器學習的普及，Python的numpy模塊中的ndarray逐漸成為Python中最常用的數據結構之一。Python的ndarray是一種多維數組對象，可以在Python中實現大規模數據和矩陣計算。

一、ndarray的基本概念

在Python中導入numpy模塊後，就可以使用numpy.array()函數來創建一個ndarray對象。ndarray對象是由同類型數據的n維數組組成的，這些數據可以是Python內置的數據類型，也可以是從numpy模塊中導入的數據類型。

ndarray對象具有以下特點：

• 數組中的每個元素在內存中都佔用相同的大小
• 數組中的每個元素都有相同的數據類型
• 數組的維度可以很容易地擴展和縮小

下面是一個簡單的ndarray創建和列印的例子：

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

以上代碼將會輸出：

[1 2 3]

二、ndarray的屬性和方法

1. 屬性

ndarray對象具有以下幾個重要的屬性：

• ndarray.ndim：表示數組的維數，也稱為軸數或秩。
• ndarray.shape：表示數組每個維度的大小的元組。
• ndarray.size：表示數組元素的總數。
• ndarray.dtype：表示數組元素的數據類型。
• ndarray.itemsize：表示數組中每個元素的大小（以位元組為單位）。

下面是一個列印ndarray對象屬性的例子：

import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6]])
print("ndarray.ndim = ", a.ndim)
print("ndarray.shape = ", a.shape)
print("ndarray.size = ", a.size)
print("ndarray.dtype = ", a.dtype)
print("ndarray.itemsize = ", a.itemsize)

以上代碼將會輸出：

ndarray.ndim =  2
ndarray.shape =  (2, 3)
ndarray.size =  6
ndarray.dtype =  int32
ndarray.itemsize =  4

2. 方法

除了屬性，ndarray對象還具有眾多方法，這些方法可以對數組進行操作和計算，包括數組的形狀、類型、重塑、重新排序、集合運算等。

下面是一些常用的ndarray方法：

• ndarray.reshape()：用於將數組按照指定的方式重新排列。
• ndarray.resize()：用於修改數組的形狀。
• ndarray.sort()：用於對數組中的元素進行排序。
• ndarray.argsort()：返回元素按升序排列的索引。
• ndarray.max() / np.max(ndarray)：返回數組中的最大值。
• ndarray.min() / np.min(ndarray)：返回數組中的最小值。

下面是一個使用ndarray方法的例子：

import numpy as np
a = np.array([3, 1, 2])
print("排序前：", a)
print("排序後：", np.sort(a))

以上代碼將會輸出：

排序前： [3 1 2]
排序後： [1 2 3]

三、ndarray的索引和切片

索引和切片是對ndarray對象進行最基本的操作，通過索引和切片可以訪問ndarray對象的元素。

1. 索引

ndarray對象的元素可以通過索引訪問，索引可以是整數或切片。

import numpy as np
a = np.array([1, 2, 3])
print("a[0] = ", a[0])
print("a[-1] = ", a[-1])

以上代碼將會輸出：

a[0] =  1
a[-1] =  3

2. 切片

ndarray對象的元素還可以通過切片訪問，切片操作使用[start:stop:step]，其中start表示起始位置（包含），stop表示結束位置（不包含），step表示步長。

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

以上代碼將會輸出：

a[1:4] =  [2 3 4]
a[::2] =  [1 3 5]

四、ndarray對象的運算

ndarray對象支持向量化運算，即在進行運算時，一個標量運算符作用於數組的每個元素。向量化運算是numpy模塊中的核心特性，也是其高效計算的關鍵。

下面是一些常用的ndarray運算：

• 加減乘除：使用加減乘除等運算符。
• 平方和開方：使用np.square()和np.sqrt()函數。
• 矩陣乘法：使用np.dot()函數。
• 數組比較：使用>、<、==等運算符。

下面是一個使用ndarray運算的例子：

import numpy as np
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print("a + b = ", a + b)
print("a - b = ", a - b)
print("a * b = ", a * b)
print("a / b = ", a / b)

以上代碼將會輸出：

a + b =  [5 7 9]
a - b =  [-3 -3 -3]
a * b =  [ 4 10 18]
a / b =  [0.25 0.4  0.5 ]

五、總結

ndarray是Python中功能強大的多維數組對象，可以用於高效的數據和矩陣計算。文章從ndarray的基本概念、屬性和方法、索引和切片、運算等多個方面對ndarray進行了詳細介紹，並使用代碼進行了演示，希望能幫助讀者更好地理解和使用Python中的ndarray。