Numpy数组的长度|极客笔记

Numpy数组的长度

在Python中使用Numpy库处理数组时，经常需要获取数组的长度或者其各个维度的大小。本文将详细介绍如何在使用Numpy时获取数组的长度，包括一维数组和多维数组的情况，并提供多个实用的示例代码。

1. 一维数组的长度

在Numpy中，一维数组的长度可以通过size属性或者len()函数来获取。这是最基本的操作之一，通常用于循环、条件判断等场景。

示例代码1：使用`len()`获取一维数组长度

import numpy as np

# 创建一个一维数组
array1 = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10], dtype='int32')
print("Length of the array:", len(array1))  # 输出数组长度

Output:

Numpy数组的长度

示例代码2：使用`size`属性获取一维数组长度

import numpy as np

# 创建一个一维数组
array2 = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10], dtype='int32')
print("Size of the array:", array2.size)  # 输出数组大小

Output:

Numpy数组的长度

2. 多维数组的长度

对于多维数组，我们通常关心的是数组的总元素数或者某个特定维度的长度。Numpy提供了多种方式来获取这些信息。

示例代码3：获取多维数组的总长度

import numpy as np

# 创建一个二维数组
array3 = np.array([[1, 2, 3], [4, 5, 6]], dtype='int32')
print("Total number of elements:", array3.size)  # 输出总元素数

Output:

Numpy数组的长度

示例代码4：获取多维数组某一维度的长度

import numpy as np

# 创建一个二维数组
array4 = np.array([[1, 2, 3], [4, 5, 6]], dtype='int32')
print("Number of rows:", array4.shape[0])  # 输出行数
print("Number of columns:", array4.shape[1])  # 输出列数

Output:

Numpy数组的长度

3. 使用`shape`属性

shape属性是理解和操作Numpy数组结构的关键。它返回一个元组，表示数组在每个维度上的大小。

示例代码5：使用`shape`属性

import numpy as np

# 创建一个三维数组
array5 = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]], dtype='int32')
print("Shape of the array:", array5.shape)  # 输出数组形状

Output:

Numpy数组的长度

4. 动态改变数组形状

Numpy允许在不改变数组数据的前提下，改变数组的形状，这通过reshape方法实现。

示例代码6：使用`reshape`改变数组形状

import numpy as np

# 创建一个一维数组
array6 = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10], dtype='int32')
new_array = array6.reshape((5, 2))
print("New shape of the array:", new_array.shape)  # 输出新的数组形状

Output:

Numpy数组的长度

5. 数组的迭代

了解数组的长度后，我们经常需要通过迭代来处理数组中的每个元素。Numpy数组可以像普通Python序列那样进行迭代。

示例代码7：迭代多维数组

import numpy as np

# 创建一个二维数组
array7 = np.array([[1, 2, 3], [4, 5, 6]], dtype='int32')
for row in array7:
    print("Row:", row)

Output:

Numpy数组的长度

6. 特殊数组的创建

Numpy提供了多种方法来创建特殊的数组，如全零数组、全一数组等，这些数组的长度和形状是由用户指定的。

示例代码8：创建全零数组

import numpy as np

# 创建一个全零的二维数组
zero_array = np.zeros((3, 4), dtype='int32')
print("Shape of zero array:", zero_array.shape)  # 输出全零数组的形状

Output:

Numpy数组的长度

示例代码9：创建全一数组

import numpy as np

# 创建一个全一的二维数组
one_array = np.ones((3, 4), dtype='int32')
print("Shape of one array:", one_array.shape)  # 输出全一数组的形状

Output:

Numpy数组的长度

7. 数组的切片和索引

数组的切片和索引是数据处理中非常重要的部分，它允许我们提取或修改数组的特定部分。

示例代码10：数组的切片

import numpy as np

# 创建一个一维数组
array10 = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype='int32')
slice_array = array10[2:7]
print("Sliced array:", slice_array)

Output:

Numpy数组的长度