萬能ndarray —— 從生成到使用

一、ndarray數組有哪些屬性

NumPy中最重要的數據類型是ndarray，該類型代表N維數組。ndarray對象有以下屬性：

1. ndarray.ndim: 數組的維數（即數組軸的個數），例如2維數組的軸數為2，一維數組的軸數為1。
2. ndarray.shape: 數組的形狀，即各個維度上的大小。例如，一個形狀為(3, 4)的數組，代表有3個子數組，每個子數組包含4個元素。
3. ndarray.size: 數組中的元素數量。
4. ndarray.dtype: 數組中元素的數據類型。
5. ndarray.itemsize: 數組中每個元素的位元組大小。
6. ndarray.data: 包含數組實際元素的Python緩衝區，通常只能通過索引訪問。

二、如何生成ndarray

NumPy中可以使用多種方法來生成ndarray數組，常見的有以下幾種：

1. 使用array函數: 可以將Python列表、元組等序列轉換為ndarray數組。
2. 使用arange函數: 一種類似於Python中的range函數的功能，可以快速生成等差數列。
3. 使用linspace函數: 在指定的區間內生成均勻分布的數據。
4. 使用random函數: 生成隨機數的數組。

import numpy as np

# 使用列表生成ndarray
a = np.array([1, 2, 3])
print(a)

# 使用arange生成等差數列
b = np.arange(1, 10, 2)
print(b)

# 使用linspace生成均勻分布數據
c = np.linspace(1, 10, 5)
print(c)

# 使用random生成隨機數的數組
d = np.random.rand(3, 4)
print(d)

三、ndarray對象不支持切片操作嗎

ndarray數組和Python中的列表類似，都支持切片操作。可以使用冒號（:）來對數組進行切片，也可以使用布爾索引來選擇數組的子集。

例如：

import numpy as np

a = np.array([1, 2, 3, 4, 5])
a_slice = a[1:3] # 選擇a[1]和a[2]
print(a_slice)

b = np.array([[1, 2], [3, 4], [5, 6]])
bool_index = b > 3 # 找出元素大於3的位置，返回布爾型數組
print(bool_index)

c = b[bool_index] # 選擇滿足條件的元素
print(c)

四、ndarray轉換為array

在Python的標準庫中有一個array模塊可以用來生成數組。與NumPy中的ndarray相比，Python中的數組功能較弱。但是，array和NumPy中的ndarray數組之間可以相互轉換。

import array
import numpy as np

a = array.array('i', [1, 2, 3])
b = np.array(a) # array轉化為ndarray
c = b.tolist() # ndarray轉換為list

print(a)
print(b)
print(c)

五、快速生成ndarray

NumPy提供了一些快速創建特定類型的ndarray數組的函數，例如zeros、ones、eye等。當需要創建大量固定值的數組時，這些函數非常實用。

import numpy as np

a = np.zeros((3, 4)) # 生成3x4全為0的數組
b = np.ones((2, 3)) # 生成2x3全為1的數組
c = np.eye(3) # 3x3單位矩陣

print(a)
print(b)
print(c)

六、ndarray最大維度為32

NumPy中的ndarray數組最大可以支持32個維度。如果需要處理更高維度的數據，可以考慮使用其他庫。

七、創建ndarray使用哪個函數

在NumPy中，可以使用多種函數來創建ndarray數組，包括array、arange、linspace、zeros、ones等。不同的函數適合不同的場景，可以根據具體需求進行選擇。

八、總結

本文介紹了NumPy中ndarray的基本屬性、創建方法、切片操作、轉換為array、快速生成方法、最大維度以及創建函數選擇等內容。通過本文的介紹，希望讀者能夠更好地理解和應用NumPy中的ndarray數組。