在numpy中ndarray的“ndim，shape，size，.. etc”的标识是什么？

Question

我是Python的新手。

在使用Matlab多年之后，最近，我开始研究numpy / scipy

似乎numpy最基本的元素似乎是ndarray 。 在ndarray中，有以下属性：

• ndarray.ndim
• ndarray.shape
• ndarray.size
• ...等等

我对C ++ / JAVA类非常熟悉，但我是Python OOP的新手。

---

Q1：我的第一个问题是上述属性的身份是什么？

首先，我假设上面的属性可能是公共成员变量。 但很快，我发现a.ndim = 10不起作用（假设a是ndarray的对象）所以，它似乎不是一个公共成员变量。

接下来，我猜测它们可能是类似于C ++中的getter方法的公共方法。 但是，当我尝试带括号的a.nidm()时，它不起作用。 所以，它似乎不是一种公共方法。

另一种可能是它们是私有成员变量，但是打印a.ndim有效，所以它们不能是私有数据成员。

所以，我无法弄清楚上述属性的真实身份是什么。

---

Q2。 我在哪里可以找到ndarray的Python代码实现？ 由于我在我的本地PC上安装了numpy / scipy，我想可能有一些方法来查看源代码，然后我认为一切都可能很清楚。

你能就此提出一些建议吗？

Answer 1

numpy是作为C代码和Python代码的混合实现的。 源可以在github浏览，可以作为git存储库下载。 但是挖掘你的C源代码需要一些工作。 许多文件都标记为.c.src ，这意味着它们在编译之前会通过一个或多个.c.src层。

Python也是用C和Python混合编写的。 所以不要试图强迫事物进入C ++术语。

最好利用您的MATLAB经验，调整以允许Python。 而numpy有许多超越Python的怪癖。 它使用的是Python语法，但由于它有自己的C代码，因此它不仅仅是一个Python类。

我使用Ipython作为我通常的工作环境。 有了这个我可以使用foo? 查看foo的文档（与Python help(foo) ， foo??查看代码 - 如果它是用Python编写的（如MATLAB / Octave type(foo) ）

Python对象具有属性和方法。 也是properties看起来像属性，但实际上使用方法来获取/设置。 通常，您不需要了解属性和属性之间的区别。

 x.ndim   # as noted, has a get, but no set; see also np.ndim(x)
 x.shape   # has a get, but can also be set; see also np.shape(x)

x.Ipython中的x.<tab>显示了ndarray所有完成。 有4 * 18。 一些是方法，一些属性。 x._<tab>显示了一些以__开头的更多内容。 这些都是“私人” - 不是为了公共消费，而是仅仅是语义。 您可以查看它们并在需要时使用它们。

off hand x.shape是我设置的唯一ndarray属性，即便如此，我通常使用reshape(...)代替。 阅读他们的文档，看看差异。 ndim是维度的数量，直接更改它是没有意义的。 它是len(x.shape) ; 更改形状以更改ndim 。 同样， x.size不应该是你直接改变的东西。

其中一些属性可通过函数访问。 np.shape(x) == x.shape ，类似于MATLAB size(x) 。 （MATLAB没有.属性语法）。

x.__array_interface__是一个方便的属性，它给出了一个包含许多属性的字典

In [391]: x.__array_interface__
Out[391]: 
{'descr': [('', '<f8')],
 'version': 3,
 'shape': (50,),
 'typestr': '<f8',
 'strides': None,
 'data': (165646680, False)}

ndarray(shape, dtype=float, buffer=None, offset=0, strides=None, order=None)的文档ndarray(shape, dtype=float, buffer=None, offset=0, strides=None, order=None) __new__ ndarray(shape, dtype=float, buffer=None, offset=0, strides=None, order=None) ， __new__方法列出了这些属性：

`Attributes
----------
T : ndarray
    Transpose of the array.
data : buffer
    The array's elements, in memory.
dtype : dtype object
    Describes the format of the elements in the array.
flags : dict
    Dictionary containing information related to memory use, e.g.,
    'C_CONTIGUOUS', 'OWNDATA', 'WRITEABLE', etc.
flat : numpy.flatiter object
    Flattened version of the array as an iterator.  The iterator
    allows assignments, e.g., ``x.flat = 3`` (See `ndarray.flat` for
    assignment examples; TODO).
imag : ndarray
    Imaginary part of the array.
real : ndarray
    Real part of the array.
size : int
    Number of elements in the array.
itemsize : int
    The memory use of each array element in bytes.
nbytes : int
    The total number of bytes required to store the array data,
    i.e., ``itemsize * size``.
ndim : int
    The array's number of dimensions.
shape : tuple of ints
    Shape of the array.
strides : tuple of ints
    The step-size required to move from one element to the next in
    memory. For example, a contiguous ``(3, 4)`` array of type
    ``int16`` in C-order has strides ``(8, 2)``.  This implies that
    to move from element to element in memory requires jumps of 2 bytes.
    To move from row-to-row, one needs to jump 8 bytes at a time
    (``2 * 4``).
ctypes : ctypes object
    Class containing properties of the array needed for interaction
    with ctypes.
base : ndarray
    If the array is a view into another array, that array is its `base`
    (unless that array is also a view).  The `base` array is where the
    array data is actually stored.

所有这些应该被视为属性，但我不认为numpy实际上使用property机制。 一般来说，它们应被视为“只读”。 除了shape ，我只记得改变data （指向数据缓冲区的指针）和strides 。

Answer 2

关于你的第一个问题，Python有属性的语法糖，包括获取，设置，删除它们的细粒度控制，以及限制上述任何一个。

所以，例如，如果你有

class Foo(object):
    @property
    def shmip(self):
        return 3

那么你可以写Foo().shmip来获得3 ，但是，如果那是类定义，你就禁用了设置Foo().shmip = 4 。

换句话说，那些是只读属性。

Answer 3

问题1

您提到的列表是包含Numpy数组的属性的列表。

例如：

a = np.array([1, 2, 3])
print(type(a))
>><class 'numpy.ndarray'>

由于a是nump.ndarray，你可以使用这些属性来了解更多信息。 （即a.size将导致3）。 要获取每个人的信息，请访问SciPy关于属性的文档。

问题2

您可以从这里开始熟悉Numpy的一些基础工具以及参考手册，假设您使用的是v1.9。 有关Numpy Array的特定信息，您可以转到Array Objects 。

他们的文档非常广泛且非常有用。 整个网站提供了示例，显示了多个示例。