目录
一：数组的属性
二：翻转数组
三：数组的计算
一：数组的属性
NumPy 数组（通常称为 ndarray）有许多有用的属性，这些属性可以帮助你了解数组的各个方面。以下是一些主要的属性：
dtype：这是数组的数据类型，如 int32, float64, complex128 等。你可以使用它来查看或修改数组的数据类型。
shape：这是一个元组，描述了数组的维度。对于一维数组，它是一个包含单一元素的元组；对于二维数组，它是一个包含行数和列数的元组；对于更高维度的数组，它可以包含更多元素。例如，一个形状为 (3, 4) 的二维数组有 3 行和 4 列。
size：这是数组中元素的数量。它等于 numpy.prod(array.shape)，或者如果你只处理一维数组，它就是数组的长度。
itemsize：这是数组中每个元素的大小（以字节为单位）。例如，对于一个 int64 类型的数组，itemsize 将是 8。
nbytes：这是数组在内存中占用的字节数。它等于 numpy.prod(array.shape) * array.itemsize。
ndim：这是数组的维度数。一维数组的维度数为 1，二维数组的维度数为 2，以此类推。
flat：这是一个一维数组视图，包含了原数组的所有元素。
ctypes：如果数组的数据类型是 ctypes 兼容的，这个属性会返回一个描述数据类型的 ctypes 对象。
要访问这些属性，你只需要使用点操作符（.）来访问它们，就像访问对象的方法一样。例如，要获取一个数组的 dtype，你可以使用 array.dtype。
下面是一个例子展示一个数组的属性信息
a = np.ones((3,2))
a.dtype 数据类型
a.size
a.itemsize
a.nbytes
a.ndim
二：翻转数组
使用numpy.flip()函数：
这个函数会沿着指定的轴翻转数组。默认情况下，它会翻转数组的轴0。
a = np.array([[1,2,3],[4,5,6]])
print(np.flipud(a)) #
使用numpy.fliplr()函数：
这个函数会沿着轴1翻转数组。相当于numpy.flip(arr, axis=1)。
a = np.array([[1,2,3],[4,5,6]])
print(np.fliplr(a)) #
三：数组的计算
加减剩除：
a = np.array([9,9,9])
print('第一个数组：')
print(a)
print('\n')
print('第二个数组：')
b = np.array([10, 10, 10])
print(b)
print('\n')
print('两个数组相加：')
print(np.add(a, b))
print('\n')
print('两个数组相减：')
print(np.subtract(a, b))
print('\n')
print('两个数组相乘：')
print(np.multiply(a, b))
print('\n')
print('两个数组相除：')
print(np.divide(a, b))
统计元素大小
numpy.amin() 用于计算数组中的元素沿指定轴的最小值。
numpy.amax() 用于计算数组中的元素沿指定轴的最大值。
第一个参数是数组，第二个参数是所沿的轴，对于二维数组，0的话就是每一行的最小值，1的话就是每一列的最小值，不指定轴的话，默认为所有元素的最小值
arr = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(arr)
print(np.amin(arr,0))
print(np.amin(arr,1))
print(np.amin(arr))
print(np.amax(arr,0))
print(np.amax(arr,1))
print(np.amax(arr))
计算平均值
a = np.array([[1, 2, 3], [4, 5, 6]])
print(np.mean(a))
print(np.mean(a, axis=0))
print(np.mean(a, axis=1))
文章来源：https://www.toymoban.com/news/detail-808118.html
文章来源地址https://www.toymoban.com/news/detail-808118.html
到了这里，关于numpy中数组的操作的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
![[数据分析大全]基于Python的数据分析大全——Numpy基础](https://imgs.yssmx.com/Uploads/2024/02/627794-1.png)
