1. WIKI教程
2. 学习Numpy
3. NumPy - Ndarray对象( Ndarray Object)

NumPy - Ndarray对象( Ndarray Object)

NumPy中定义的最重要的对象是名为ndarray的N维数组类型。 它描述了相同类型的项目集合。 可以使用从零开始的索引访问集合中的项目。

ndarray中的每个项目在内存中占用相同大小的块。 ndarray中的每个元素都是数据类型对象的对象（称为dtype ）。

从ndarray对象中提取的任何项（通过切片）由一个数组标量类型的Python对象表示。 下图显示了ndarray，数据类型对象（dtype）和数组标量类型之间的关系 -

ndarray类的实例可以通过本教程后面描述的不同数组创建例程来构造。 基本的ndarray是使用NumPy中的数组函数创建的，如下所示 -

numpy.array 

它从任何暴露数组接口的对象或从任何返回数组的方法创建一个ndarray。

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

上面的构造函数采用以下参数 -

Sr.No.	参数和描述
1	object 暴露数组接口方法的任何对象都返回一个数组或任何（嵌套）序列。
2	dtype 期望的数组数据类型，可选
3	copy 可选的。 默认情况下（true），复制对象
4	order C（行主要）或F（列主要）或A（任何）（默认）
5	subok 默认情况下，返回的数组强制为基类数组。 如果为true，则子类通过
6	ndmin 指定结果数组的最小尺寸

请查看以下示例以更好地理解。

例子1 (Example 1)

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

输出如下 -

[1, 2, 3]

例子2 (Example 2)

# more than one dimensions 
import numpy as np 
a = np.array([[1, 2], [3, 4]]) 
print a

输出如下 -

[[1, 2] 
 [3, 4]]

例子3 (Example 3)

# minimum dimensions 
import numpy as np 
a = np.array([1, 2, 3,4,5], ndmin = 2) 
print a

输出如下 -

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

例子4 (Example 4)

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

输出如下 -

[ 1.+0.j,  2.+0.j,  3.+0.j]

ndarray对象由连续的计算机存储器的一维段组成，并与将每个项映射到存储器块中的位置的索引方案相结合。 内存块以行主要顺序（C样式）或列主要顺序（FORTRAN或MatLab样式）保存元素。