版权声明：本文为本人辛苦原创文章，如果需要转载，请注明出处，谢谢!!! https://blog.csdn.net/sihai12345/article/details/82829526
一、ndarray对象属性
ndim 数组轴(维度)的个数，轴的个数被称作秩
shape 数组的维度, 例如一个2排3列的矩阵，它的shape属性将是(2,3),这个元组的长度显然是秩，即维度或者ndim属性
size 数组元素的总个数，等于shape属性中元组元素的乘积。
dtype一个用来描述数组中元素类型的对象，可以通过创造或指定dtype使用标准Python类型。不过NumPy提供它自己的数据类型。
itemsize 数组中每个元素的字节大小。例如，一个元素类型为float64的数组itemsiz属性值为8(=64/8),又如，一个元素类型为complex32的数组item属性为4(=32/8).
a = np.array([[1,2,3],[4,5,6]])
print("维度的数量：",a.ndim)
print("数组元素类型：",a.dtype)
print("数组的元素个数：",a.size)
print("数组的形状：",a.shape)
print("数组中每个元素的字节大小：",a.itemsize)
输出：
维度的数量： 2
数组元素类型： int32
数组的元素个数： 6
数组的形状： (2, 3)
数组中每个元素的字节大小： 4
二、numpy中的基本数据类型
下面的这两张图是所有的数据类型：
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会自动推断出适合的数据类型，所以一般不需要显示给定数据类型。
- 指定类型创建：
a = np.array([[1,2,3],[4,5,6]],dtype=int)
- astype方法
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数组。
a = np.array([[1,2,3],[4,5,6]])
print("改变前的类型：",a.dtype)
a = a.astype(float)
print("改变后的类型：",a.dtype)
输出
改变前的类型： int32
改变后的类型： float64
三、修改ndarray的形状
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。
当指定某一个轴为-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。
- 修改数组的shape值
#调整数组大小
a = np.array([[1,2,3],[4,5,6]])
a.shape=(3,2)
print(a)
- 使用reshape函数修改
'''
reshape 调整数组大小
'''
a = np.array([[1,2,3],[4,5,6]])
b = a.reshape(3,2)
print(b)
输出：
[[1 2]
[3 4]
[5 6]]