1. ndarray属性

dtype：一个用于说明数组元素数据类型的对象。
shape：一个数组的各个维度大小的元组，即表示数组的形状
size：元素总个数，即shape中各个数的相乘
ndim: 一个数组的维度数量

a = np.array([
    [1,2],
    [3,4],
    [5,6],
    [7,8]
])

print("维度的数量",a.ndim)
print("数组的形状",a.shape)
print("数组的元素类型",a.dtype)
print("数组的元素数量",a.size)

image.png

2. ndarray中元素数据类型

创建numpy数组的时候可以通过属性dtype显示指定数据类型，如果不指定的情况下，numpy会自动推断出合适的数据类型，所以一般不需要显示给定数据类型。
如果需要更改一个已经存在的数组的数据类型，可以通过astype方法进行修改从而得到一个新的数组。

image.png
数值型dtype的命名方式为：一个类型名称(eg:int, float等)，后接一个表示各个元素位长的数字

比如Python的float数据类型（双精度浮点值），需要占用8个字节（86位），因此在Numpy中记为float64。

每个数据类型都有一个类型代码，即简写方式。

image.png
image.png
image.png

image.png

3. ndarray修改形状

对于一个已经存在的ndarray数组对象而言，可以通过修改形状相关的参数/方法从而改变数组的形状。

直接修改数组ndarray的shape的值，要求修改后乘积不变。
直接使用reshape函数创建一个改变尺寸的新数组，原数组的shape保持不变，但是新数组和原数组共享一个内存空间，也就是修改任何一个数组中的值都会对另外一个产生影响，另外要求新数组的元素个数和原数组一致。

当指定一个轴为-1的时候，表示将根据数组元素的数量自动计算该轴的长度值。

直接修改shape的值
这种操作会直接修改原数组的形状。

image.png

使用reshape方法修改形状

-1 表示当前维度的元素个数，自动计算,会根据数组元素的个数，和已经传入的数值，来判断-1位置的值应该填写的数字。

这种操作不会修改原数组的形状，返回一个修改形状后的新的数组。

image.png

import numpy as np
a = np.arange(1,25,2)    #生成一个从1开始到25结尾(不包含25)，步长为2的一维数组。
print(a)                 #打印生成的数组
print(a.size)            #打印数组的大小

b = a.reshape(2,6)       #通过reshape函数根据原数组元素内容生成一个新的（2，6）的二维数组
print(b)                 #打印新生的数组
print(b.size)            #打印新数组大小
print(a)                 #打印原数组

b[0][1] = 30             #修改新数组中第一行，第二列的数值为30
print(b)                 #打印新数组
print(a)                 #打印原数组，数值根据新数组的变化，一起改变了。

print(a.reshape(3,-1))   #通过-1来确定列的数目

print(a.reshape(-1,3))   #通过-1来确定行的数目

a.shape                  #打印原数组的形状，确定原数组的形状没有变更

image.png