В центре любой аналитической работы в Python с использованием NumPy находится понимание структуры данных. Вместе с атрибутами dtype
, shape
и ndim
, атрибут size
играет ключевую роль в понимании вашего массива. В этой статье мы рассмотрим атрибут size
и разберемся, какова его роль в библиотеке NumPy.
Атрибут size
массива в NumPy представляет собой общее количество элементов в массиве. Другими словами, это произведение всех размеров измерений массива.
Пример 1: Одномерный массив
import numpy as np
array_1d = np.array([1, 2, 3, 4, 5])
print(array_1d.size)
# 5
В этом одномерном массиве 5 элементов, поэтому его size
равен 5.
Пример 2: Двумерный массив
array_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(array_2d.size)
# 9
Здесь у нас есть матрица 3x3, состоящая из 9 элементов, что подтверждает значение size
.
Пример 3: Многомерные массивы
array_3d = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print(array_3d.size)
# 8
В этом трехмерном массиве 8 элементов.
Структурированные массивы позволяют иметь поля с разными типами данных. Даже здесь size
указывает на общее количество записей, а не на общее количество элементов в каждом поле.
structured = np.array([('Alice', 25, 55.5), ('Bob', 30, 65.5)],
dtype=[('name', 'U10'), ('age', 'i4'), ('weight', 'f8')])
print(structured.size)
# 2
Даже если у нас есть три поля на запись, size
указывает на количество записей в структурированном массиве.
reshape
) общее количество элементов остается неизменным.Атрибут size
в NumPy является интуитивным и мощным инструментом для понимания вашего массива. В комбинации с другими атрибутами, такими как shape
и dtype
, size
предоставляет полное представление о структуре и размере вашего массива.
Содержание: