NumPy數(shù)組是一個多維數(shù)組對象，稱為ndarray。其由兩部分組成：

·實際的數(shù)據(jù)

·描述這些數(shù)據(jù)的元數(shù)據(jù)

大部分操作僅針對于元數(shù)據(jù)，而不改變底層實際的數(shù)據(jù)。

關(guān)于NumPy數(shù)組有幾點必需了解的：

·NumPy數(shù)組的下標(biāo)從0開始。

·同一個NumPy數(shù)組中所有元素的類型必須是相同的。

NumPy數(shù)組屬性

在詳細(xì)介紹NumPy數(shù)組之前。先詳細(xì)介紹下NumPy數(shù)組的基本屬性。NumPy數(shù)組的維數(shù)稱為秩（rank），一維數(shù)組的秩為1，二維數(shù)組的秩為2，以此類推。在NumPy中，每一個線性的數(shù)組稱為是一個軸（axes），秩其實是描述軸的數(shù)量。比如說，二維數(shù)組相當(dāng)于是兩個一維數(shù)組，其中第一個一維數(shù)組中每個元素又是一個一維數(shù)組。所以一維數(shù)組就是NumPy中的軸（axes），第一個軸相當(dāng)于是底層數(shù)組，第二個軸是底層數(shù)組里的數(shù)組。而軸的數(shù)量——秩，就是數(shù)組的維數(shù)。

NumPy的數(shù)組中比較重要ndarray對象屬性有：

1.ndarray.ndim：數(shù)組的維數(shù)（即數(shù)組軸的個數(shù)），等于秩。最常見的為二維數(shù)組（矩陣）。

2.ndarray.shape：數(shù)組的維度。為一個表示數(shù)組在每個維度上大小的整數(shù)元組。例如二維數(shù)組中，表示數(shù)組的“行數(shù)”和“列數(shù)”。ndarray.shape返回一個元組，這個元組的長度就是維度的數(shù)目，即ndim屬性。

3.ndarray.size：數(shù)組元素的總個數(shù)，等于shape屬性中元組元素的乘積。

4.ndarray.dtype：表示數(shù)組中元素類型的對象，可使用標(biāo)準(zhǔn)的Python類型創(chuàng)建或指定dtype。另外也可使用前一篇文章中介紹的NumPy提供的數(shù)據(jù)類型。

5.ndarray.itemsize：數(shù)組中每個元素的字節(jié)大小。例如，一個元素類型為float64的數(shù)組itemsiz屬性值為8(float64占用64個bits，每個字節(jié)長度為8，所以64/8，占用8個字節(jié)），又如，一個元素類型為complex32的數(shù)組item屬性為4（32/8）。

6.ndarray.data：包含實際數(shù)組元素的緩沖區(qū)，由于一般通過數(shù)組的索引獲取元素，所以通常不需要使用這個屬性。

數(shù)組拼接方法一

思路：首先將數(shù)組轉(zhuǎn)成列表，然后利用列表的拼接函數(shù)append()、extend()等進(jìn)行拼接處理，最后將列表轉(zhuǎn)成數(shù)組。

示例1：

>>> import numpy as np>>> a=np.array([1,2,5])>>> b=np.array([10,12,15])>>> a_list=list(a)>>> b_list=list(b)>>> a_list.extend(b_list)>>> a_list[1, 2, 5, 10, 12, 15]>>> a=np.array(a_list)>>> aarray([ 1, 2, 5, 10, 12, 15])

該方法只適用于簡單的一維數(shù)組拼接，由于轉(zhuǎn)換過程很耗時間，對于大量數(shù)據(jù)的拼接一般不建議使用。

數(shù)組拼接方法二

思路：numpy提供了numpy.append(arr,values,axis=None)函數(shù)。對于參數(shù)規(guī)定，要么一個數(shù)組和一個數(shù)值；要么兩個數(shù)組，不能三個及以上數(shù)組直接append拼接。append函數(shù)返回的始終是一個一維數(shù)組。