numpy.ndarray类型方法
numpy.ndarray
类numpy.ndarray（shape，dtype = float，buffer = None，offset = 0，strides = None，order = None ）[资源]
数组对象表示固定大小项的多维同构数组。关联的数据类型对象描述了数组中每个元素的格式（字节顺序，它在内存中占用多少字节，它是整数，浮点数还是其他形式，等等）。
阵列应该使用来构造array，zeros或empty（参见参见部分下方）。此处给出的参数指的是用于实例化数组的低级方法（ndarray（…））。
有关更多信息，请参考该numpy模块并检查数组的方法和属性。
参量
（有关__new__方法；请参见下面的注释）
整数形元组
创建的数组的形状。
dtype 数据类型，可选
可以解释为numpy数据类型的任何对象。
缓冲区对象公开缓冲区接口，可选
用于用数据填充数组。
offset int，可选
缓冲区中数组数据的偏移量。
跨步元组，可选
内存中的数据步幅大。
订购{‘C’，‘F’}，可选
行优先（C样式）或列优先（Fortran样式）顺序。
也可以看看
array
构造一个数组。
zeros
创建一个数组，每个元素为零。
empty
创建一个数组，但保留其分配的内存不变（即，它包含“垃圾”）。
dtype
创建一个数据类型。
笔记
使用以下两种方式创建数组__new__：
如果缓冲区是无，那么只有shape，dtype和顺序 被使用。
如果buffer是暴露buffer接口的对象，则将解释所有关键字。
不需要__init__方法，因为数组在__new__方法之后已完全初始化。
例子
这些示例说明了低级ndarray构造函数。有关构造ndarray的更简便方法，请参阅上面的“ 另请参见”部分。
第一种模式，缓冲区为None：
np.ndarray(shape=(2,2), dtype=float, order=‘F’)
array([[0.0e+000, 0.0e+000], # random
[ nan, 2.5e-323]])
第二种模式：
np.ndarray((2,), buffer=np.array([1,2,3]),
offset=np.int_().itemsize,
dtype=int) # offset = 1*itemsize, i.e. skip first element
array([2, 3])
属性
T数组
转置数组。
data缓冲
指向数组数据开头的Python缓冲区对象。
dtypedtype对象
数组元素的数据类型。
flags字典
有关阵列的内存布局的信息。
flatnumpy.flatiter对象
数组上的一维迭代器。
imag数组
数组的虚部。
real数组
数组的实部。
size整型
数组中元素的数量。
itemsize整型
一个数组元素的长度（以字节为单位）。
nbytes整型
数组元素消耗的总字节数。
ndim整型
数组维数。
shape整数元组
数组尺寸的元组。
strides整数元组
在遍历数组时在每个维度上步进的字节元组。
ctypesctypes对象
一个简化数组与ctypes模块的交互的对象。
base数组
如果内存来自其他对象，则为基础对象。
方法
all（[轴，出，keepdims]）
如果所有元素的评估结果为True，则返回True。
any（[轴，出，keepdims]）
如果任何元素，则返回true 一个评估为True。
argmax（[轴，出]）
沿给定轴返回最大值的索引。
argmin（[轴，出]）
返回最小值的索引沿给定轴线一个。
argpartition（kth [，轴，种类，顺序]）
返回将对该数组进行分区的索引。
argsort（[轴，种类，顺序]）
返回将对该数组进行排序的索引。
astype（dtype [、、命令，转换，尝试，复制]）
数组的副本，强制转换为指定的类型。
byteswap（[到位]）
交换数组元素的字节
choose（选择[，输出，模式]）
使用索引数组从一组选择中构造一个新数组。
clip（[最小，最大，输出]）
返回值限制为的数组。[min, max]
compress（条件[，轴，出]]
沿给定轴返回此数组的选定切片。
conj()
将所有元素复数共轭。
conjugate()
逐元素返回复共轭。
copy（[订购]）
返回数组的副本。
cumprod（[轴，dtype，输出]）
返回沿给定轴的元素的累积积。
cumsum（[轴，dtype，输出]）
返回沿给定轴的元素的累加和。
diagonal（[偏移量，轴1，轴2]）
返回指定的对角线。
dot（b [，out]）
两个数组的点积。
dump（文件）
将数组的腌制转储到指定文件中。
dumps()
以字符串形式返回数组的泡菜。
fill（值）
用标量值填充数组。
flatten（[订购]）
返回折叠成一维的数组副本。
getfield（dtype [，偏移量]）
以给定类型返回给定数组的字段。
item（* args）
将数组的元素复制到标准Python标量并返回。
itemset（* args）
将标量插入数组中（如果可能，将标量强制转换为数组的dtype）
max（[轴，出，keepdims，初始，在哪里]）
沿给定轴返回最大值。
mean（[轴，dtype，输出，keepdims]）
返回沿给定轴的数组元素的平均值。
min（[轴，出，keepdims，初始，在哪里]）
沿给定轴返回最小值。
newbyteorder（[新命令]）
返回具有相同数据且以不同字节顺序查看的数组。
nonzero()
返回非零元素的索引。
partition（kth [，轴，种类，顺序]）
重新排列数组中的元素，使第k个位置的元素的值处于排序数组中的位置。
prod（[轴，dtype，输出，keepdims，初始，…]）
返回给定轴上数组元素的乘积
ptp（[轴，出，keepdims]）
沿给定轴的峰到峰（最大值-最小值）值。
put（索引，值[，模式]）
为索引中的所有n设置。a.flat[n] = values[n]
ravel（[订购]）
返回一个展平的数组。
repeat（重复[，轴]）
重复数组的元素。
reshape（形状[，顺序]）
返回一个数组，其中包含具有相同形状的相同数据。
resize（new_shape [，refcheck]）
就地更改数组的形状和大小。
round（[十进制，出]）
返回一个与舍入到小数的给定数目的每个元素。
searchsorted（v [，页面，排序]）
查找应在其中将v的元素插入以保持顺序的索引。
setfield（val，dtype [，offset]）
将值放入数据类型定义的字段中的指定位置。
setflags（[写，对齐，uic]）
分别设置数组标志WRITEABLE，ALIGNED（WRITEBACKIFCOPY和UPDATEIFCOPY）。
sort（[轴，种类，顺序]）
就地排序数组。
squeeze（[轴]）
从形状除去单维输入一个。
std（[轴，dtype，out，ddof，keepdims]）
返回沿给定轴的数组元素的标准偏差。
sum（[轴，dtype，输出，keepdims，初始，位置]）
返回给定轴上数组元素的总和。
swapaxes（轴1，轴2）
返回轴1和轴2互换的数组的视图。
take（索引[，轴，输出，模式]）
返回来自的元素构成的数组一个在给定的索引。
tobytes（[订购]）
在数组中构造包含原始数据字节的Python字节。
tofile（fid [，sep，格式]）
将数组以文本或二进制形式写入文件（默认）。
tolist()
返回该数组作为a.ndimPython标量的-levels深度嵌套列表。
tostring（[订购]）
的兼容性别名tobytes，具有完全相同的行为。
trace（[偏移，轴1，轴2，dtype，输出]）
返回沿数组对角线的和。
transpose（*轴）
返回轴已转置的数组视图。
var（[轴，dtype，out，ddof，keepdims]）
返回数组元素沿给定轴的方差。
view（[dtype] [，类型]）
具有相同数据的数组的新视图。
numpy.ndarray类型方法相关推荐
- img should be PIL Image. Got ＜class ‘numpy.ndarray‘＞
img should be PIL Image. Got <class 'numpy.ndarray'> 解决方法1: from PIL import Image PIL_image = ...
- 成功解决TypeError: unhashable type: 'numpy.ndarray'
成功解决TypeError: unhashable type: 'numpy.ndarray' 目录 解决问题 解决思路 解决方法 解决问题 TypeError: unhashable type: ' ...
- 成功解决 TypeError: type numpy.ndarray doesn't define __round__ method
成功解决 TypeError: type numpy.ndarray doesn't define __round__ method 目录 解决问题 解决问题 解决方法 解决问题 TypeError: ...
- class ‘numpy.ndarray‘ 用法-零维、一维、多维的索引方式
问题描述: ndarray数组存储一个字典,对字典索引某个键值对时,报错: IndexError: only integers, slices (`:`), ellipsis (`...`), num ...
- numpy ndarray 多维数组的内存管理
1. ndarray.flags:内存布局(layout) https://docs.scipy.org/doc/numpy/reference/generated/numpy.ndarray.fla ...
- 成功解决numpy.ndarray格式类型转数据为list格式数据带有中括号(一行代码搞定！)
成功解决numpy.ndarray格式类型转数据为list格式数据带有中括号(一行代码搞定!) 目录 解决问题 解决思路 解决方法 解决问题 numpy.ndarray格式类型转数据为list格式数据 ...
- [转载] AttributeError: ‘numpy.ndarray‘ object has no attribute ‘insert‘的解决方法
参考链接: Python中的numpy.insert AttributeError: 'numpy.ndarray' object has no attribute 'insert' 代码: imp ...
- python3 多维数组 NumPy ndarray 简介
目录 基础 重要属性 创建 Converting Python array_like Objects to NumPy Arrays 多维数组 一维 通用数学函数 基础 NumPy 的主要对象是齐次多 ...
- python中文读音ndarray-Python中Numpy ndarray的使用详解
本文主讲Python中Numpy数组的类型.全0全1数组的生成.随机数组.数组操作.矩阵的简单运算.矩阵的数学运算. 尽管可以用python中list嵌套来模拟矩阵,但使用Numpy库更方便. 定义数 ...
最新文章
- 【怎样写代码】参数化类型 -- 泛型（二）：泛型的优点
- build怎么调试 react_GitHub - bozhouyongqi/debug-react: 本地调试react源码环境
- 原创 | 从ULMFiT、Transformer、BERT等经典模型看NLP 发展趋势
- __block和__weak修饰符的区别
- 【docker】docker run命令详解
- SpringMVC(一)——入门案例
- 小猿圈之python的输入和输出
- 一分钟！不写代码！给网站添加【统计分析】
- （转自孟岩的CSDN）理解矩阵
- 遍历frame中的表单：
- Android之多种Bitmap效果
- 线性规划问题的目标函数灵敏度分析
- Denoise: from image to point cloud
- EEE802.11协议基础知识
- backtrack 4 in virtualBox 联网
- JVM成神之路-Java内存模型（JMM）
- python创建函数内部静态变量
- python-22-使用Kivy开发手机app
- 使用RGB值显示颜色
- 概率论与数理统计-------参数估计-------区间估计------置信区间、枢轴变量