numpy.ndarray

class numpy.ndarray(shape, dtype=float, buffer=None, offset=0, strides=None, order=None)

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数组中每个元素的格式（其字节顺序、它在内存中占用的字节数、它是整数、浮点数还是其他类型等）。

数组的构造应使用 array ， zeros 或 empty （请参阅下面的另一节）。这里给出的参数是一种低级方法。 (ndarray(...) ）用于实例化数组。

有关详细信息，请参阅 numpy 模块化并检查数组的方法和属性。

参数

(for the __new__ method; see Notes below)

shape整数元组

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。

buffer对象公开缓冲区接口，可选

用于用数据填充数组。

offset可选的

缓冲区中数组数据的偏移量。

strides整数元组，可选

数据在内存中的移动。

order'C'、'F'，可选

行主要（C样式）或列主要（Fortran样式）顺序。

参见

array

构造数组。

zeros

创建一个数组，其中每个元素为零。

empty

创建一个数组，但保持其分配的内存不变（即它包含“垃圾”）。

dtype

创建数据类型。

笔记

创建数组有两种模式 __new__ ：

1. 如果 buffer 没有，那么只有 shape ， dtype 和 order 被使用。

2. 如果 buffer 是一个暴露缓冲区接口的对象，然后解释所有关键字。

不 __init__ 方法是必需的，因为数组在 __new__ 方法。

实例

这些例子说明了低水平 ndarray 构造函数。参考 See Also 上面的部分可以更容易地构建一个ndarray。

第一模式， buffer 没有：

>>> 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恩达雷

换位数组。

data缓冲区

python缓冲区对象指向数组数据的开头。

dtypedType对象

数组元素的数据类型。

flags双关语

有关数组内存布局的信息。

flatnumpy.flatiter对象

数组上的一维迭代器。

imag恩达雷

数组的虚部。

real恩达雷

数组的实际部分。

size利息

数组中的元素数。

itemsize利息

一个数组元素的长度（字节）。

nbytes利息

数组元素消耗的总字节数。

ndim利息

数组维数。

shape整数元组

数组维度的元组。

strides整数元组

遍历数组时要在每个维度中单步执行的字节元组。

ctypesC型对象

简化数组与CTypes模块交互的对象。

base恩达雷

如果内存来自其他对象，则为基对象。

方法

all \ [axis, out, keepdims, where] ）	如果所有元素的计算结果都为true，则返回true。
any \ [axis, out, keepdims, where] ）	如果的任何元素 a 计算为真。
argmax \ [axis, out] ）	返回给定轴上最大值的索引。
argmin \ [axis, out] ）	返回沿给定轴的最小值的索引。
argpartition （KTH） [, axis, kind, order] ）	返回将对此数组进行分区的索引。
argsort \ [axis, kind, order] ）	返回将对此数组进行排序的索引。
astype （dType） [, order, casting, subok, copy] ）	数组的副本，强制转换为指定类型。
byteswap \ [inplace] ）	交换数组元素的字节
choose [选择] [, out, mode] ）	使用索引数组从一组选项中构造新数组。
clip \ [min, max, out] ）	返回值限制为的数组 [min, max] .
compress [条件] [, axis, out] ）	沿给定轴返回此数组的选定切片。
conj （）	复共轭所有元素。
conjugate （）	返回复共轭，按元素排序。
copy \ [order] ）	返回数组的副本。
cumprod \ [axis, dtype, out] ）	返回元素沿给定轴的累积积。
cumsum \ [axis, dtype, out] ）	返回给定轴上元素的累积和。
diagonal \ [offset, axis1, axis2] ）	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pickle转储到指定的文件。
dumps （）	以字符串形式返回数组的pickle。
fill 值（值）	用标量值填充数组。
flatten \ [order] ）	返回折叠为一维的数组的副本。
getfield （dType） [, offset] ）	以特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的python标量并返回它。
itemset * ARGs）	将标量插入数组（如果可能，将标量转换为数组的dtype）
max \ [axis, out, keepdims, initial, where] ）	沿给定轴返回最大值。
mean \ [axis, dtype, out, keepdims, where] ）	返回沿给定轴的数组元素的平均值。
min \ [axis, out, keepdims, initial, where] ）	沿给定轴返回最小值。
newbyteorder \ [new_order] ）	以不同的字节顺序返回具有相同数据的数组。
nonzero （）	返回非零元素的索引。
partition （KTH） [, axis, kind, order] ）	重新排列数组中的元素，使第k个位置的元素值位于排序数组中的位置。
prod \ [axis, dtype, out, keepdims, initial, ...] ）	返回数组元素在给定轴上的乘积
ptp \ [axis, out, keepdims] ）	沿给定轴的峰间（最大-最小）值。
put \（索引，值[, mode] ）	集合 a.flat[n] = values[n] 为了所有 n 在索引中。
ravel \ [order] ）	返回扁平数组。
repeat [重复] [, axis] ）	重复数组元素。
reshape [形状] [, order] ）	返回包含具有新形状的相同数据的数组。
resize \新的形状 [, refcheck] ）	就地更改数组的形状和大小。
round \ [decimals, out] ）	返回 a 每个元素四舍五入到给定的小数位数。
searchsorted （V） [, side, sorter] ）	查找应在a中插入v元素以保持顺序的索引。
setfield \（VAL，数据类型[, offset] ）	将值放入由数据类型定义的字段中的指定位置。
setflags \ [write, align, uic] ）	分别设置数组标志可写、对齐（writebackifcopy和updateifcopy）。
sort \ [axis, kind, order] ）	对数组进行就地排序。
squeeze \ [axis] ）	从中删除长度为1的轴 a .
std \ [axis, dtype, out, ddof, keepdims, where] ）	返回数组元素沿给定轴的标准偏差。
sum \ [axis, dtype, out, keepdims, initial, where] ）	返回给定轴上数组元素的和。
swapaxes \（轴1、轴2）	返回数组的视图 axis1 和 axis2 互换的
take [指数] [, axis, out, mode] ）	返回由以下元素组成的数组 a 在给定的指数上。
tobytes \ [order] ）	构造包含数组中原始数据字节的python字节。
tofile （FID） [, sep, format] ）	将数组以文本或二进制形式写入文件（默认）。
tolist （）	作为数组返回 a.ndim -Python标量的深度嵌套列表。
tostring \ [order] ）	的兼容性别名 tobytes ，行为完全相同。
trace \ [offset, axis1, axis2, dtype, out] ）	沿数组的对角线返回和。
transpose * 轴）	返回转置轴的数组视图。
var \ [axis, dtype, out, ddof, keepdims, where] ）	返回数组元素沿给定轴的方差。
view \ [dtype] [, type] ）	具有相同数据的数组的新视图。

n维数组 (ndarray ） numpy.ndarray.all