溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本篇內容主要講解“NDArray與numpy.ndarray怎么互相轉換”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“NDArray與numpy.ndarray怎么互相轉換”吧!
import numpy as np from mxnet import nd # numpy.ndarray 變 mx.NDArray np_val = np.array([1, 2, 3]) # 定義一個numpy.ndarray nd_val = nd.array(np_val) # 深復制 # NDArray 變 numpy.ndarray np_val_ = nd_val.asnumpy()
NumPy的全名為Numeric Python，是一個開源的Python科學計算庫，它包括：
一個強大的N維數組對象ndrray；
比較成熟的（廣播）函數庫；
用于整合C/C++和Fortran代碼的工具包；
實用的線性代數、傅里葉變換和隨機數生成函數
NumPy的優點：
對于同樣的數值計算任務，使用NumPy要比直接編寫Python代碼便捷得多；
NumPy中的數組的存儲效率和輸入輸出性能均遠遠優于Python中等價的基本數據結構，且其能夠提升的性能是與數組中的元素成比例的；
NumPy的大部分代碼都是用C語言寫的，其底層算法在設計時就有著優異的性能，這使得NumPy比純Python代碼高效得多
當然，NumPy也有其不足之處，由于NumPy使用內存映射文件以達到最優的數據讀寫性能，而內存的大小限制了其對TB級大文件的處理；此外，NumPy數組的通用性不及Python提供的list容器。因此，在科學計算之外的領域，NumPy的優勢也就不那么明顯。
NumPy最重要的一個特點就是其N維數組對象（即ndarray）,該對象是一個快速而靈活的大數據集容器，該對象由兩部分組成：
實際的數據；
描述這些數據的元數據；
大部分的數組操作僅僅是修改元數據部分，而不改變其底層的實際數據。數組的維數稱為秩，簡單來說就是如果你需要獲取數組中一個特定元素所需的坐標數，如a是一個2×3×4的矩陣，你索引其中的一個元素必須給定三個坐標a[x,y,z]，故它的維數就是3。而軸可以理解為一種對數組空間的分割，以數組a為例，如果我們以0為軸，那么a可以看成是一個由兩個元素構成的數組，其中每個元素都是一個3×4的數組。
我們可以直接將數組看作一種新的數據類型，就像list、tuple、dict一樣，但數組中所有元素的類型必須是一致的，Python支持的數據類型有整型、浮點型以及復數型，但這些類型不足以滿足科學計算的需求，因此NumPy中添加了許多其他的數據類型，如bool、inti、int64、float32、complex64等。同時，它也有許多其特有的屬性和方法。
常用ndarray屬性：
dtype 描述數組元素的類型
shape 以tuple表示的數組形狀
ndim 數組的維度
size 數組中元素的個數
itemsize 數組中的元素在內存所占字節數
T 數組的轉置
flat 返回一個數組的迭代器，對flat賦值將導致整個數組的元素被覆蓋
real/imag 給出復數數組的實部/虛部
nbytes 數組占用的存儲空間
常用ndarray方法：
| reshape(…) | 返回一個給定shape的數組的副本 |
| resize(…) | 返回給定shape的數組，原數組shape發生改變 |
| flatten()/ravel() | 返回展平數組，原數組不改變 |
| astype(dtype) | 返回指定元素類型的數組副本 |
| fill() | 將數組元素全部設定為一個標量值 |
| sum/Prod() | 計算所有數組元素的和/積 |
| mean()/var()/std() | 返回數組元素的均值/方差/標準差 |
| max()/min()/ptp()/median() | 返回數組元素的最大值/最小值/取值范圍/中位數 |
| argmax()/argmin() | 返回最大值/最小值的索引 |
| sort() | 對數組進行排序，axis指定排序的軸；kind指定排序算法，默認是快速排序 |
| view()/copy() | view創造一個新的數組對象指向同一數據；copy是深復制 |
| tolist() | 將數組完全轉為列表，注意與直接使用list(array)的區別 |
| compress() | 返回滿足條件的元素構成的數組 |
到此，相信大家對“NDArray與numpy.ndarray怎么互相轉換”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
