Numpy详解-轴的概念

首先就是大肠包小肠，这就是轴的概念，除了这个还真的没有什么别的想法。

最近用numpy，越用这个东西越发现一些基础概念不明朗，这里简单的记录一下。

先生成一个三维的数组

打印出来的样子

从内最小的开始看起，分别是元素，2，3，4

以小[]来界定

也就是说，首先是一个特别大的整体，一个数组，接着是里面4个小数组，每一个小数组里面有3个小数组，小数组内的单元是一个数对来构成的。

其实这就是轴的概念，只是因为是扁平化的，不直观。

axis=2

axis =1

axis=0

按照顺序来填充

按照数组0轴来相加

就是加的这个位置的元素

代码语言：javascript复制

[[0  6 12 18=36  1  7 13 19=40]
 [2  8 14 20=44  3  9 15 21=48]
 [4 10 16 22=52  5 11 17 23=56]]

再看一个

就是这样吧

代码语言：javascript复制

[[ 0  1=1  2  3=5  4  5=9]
 [ 6  7=13 8  9=17 10 11=21]
 [12 13=25 14 15=29 16 17=33]
 [18 19=37 20 21=41 22 23=45]]

这个就没有什么好说的了吧

其中第一轴是最大的称为0号，

其次开始从左到右依次的放置

NumPy数组的维数称为秩（rank），一维数组的秩为1，二维数组的秩为2，以此类推。在NumPy中，每一个线性的数组称为是一个轴（axes），秩其实是描述轴的数量。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是NumPy中的轴（axes），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。

NumPy的数组中比较重要ndarray对象属性有：

1.ndarray.ndim：数组的维数（即数组轴的个数），等于秩。最常见的为二维数组（矩阵）。

2.ndarray.shape：数组的维度。为一个表示数组在每个维度上大小的整数元组。例如二维数组中，表示数组的“行数”和“列数”。ndarray.shape返回一个元组，这个元组的长度就是维度的数目，即ndim属性。

3.ndarray.size：数组元素的总个数，等于shape属性中元组元素的乘积。

4.ndarray.dtype：表示数组中元素类型的对象，可使用标准的Python类型创建或指定dtype。另外也可使用前一篇文章中介绍的NumPy提供的数据类型。

5.ndarray.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(float64占用64个bits，每个字节长度为8，所以64/8，占用8个字节），又如，一个元素类型为complex32的数组item属性为4（32/8）。

6.ndarray.data：包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性。

其实进一步的，是阐述了一种方向的问题：在二维数组中axis=0是按列的，axis=1意味着按行。