numpy中ndarray的“ndim，shape，size，..etc”的身份是什么

Question

我是 Python 的新手。

使用Matlab多年，最近开始学习numpy/scipy

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

• ndarray.ndim
• ndarray.shape
• ndarray.size
• ...等

我对 C++/JAVA 类非常熟悉，但我是 Python OOP 的新手。

---

Q1：我的第一个问题是以上属性的身份是什么？

起初，我假设上面的属性可能是公共成员变量。但是很快，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，当我用括号尝试a.nidm() 时，它不起作用。所以，它似乎不是一个公共方法。

另一种可能是它们是私有成员变量，但是 print a.ndim 有效，因此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。

---

第二季度。在哪里可以找到ndarray 的 Python 代码实现？由于我在本地PC上安装了numpy/scipy，我想可能有一些方法可以查看源代码，那么我想一切都可能清楚了。

您能就此提出一些建议吗？

Answer 1

numpy 实现为 C 代码和 Python 代码的混合。源代码可在github 上浏览，并可作为git 存储库下载。但是挖掘C 源代码需要一些工作。很多文件被标记为.c.src，这意味着它们在编译之前要经过一层或多层perprocessing。

Python 也是用 C 和 Python 混合编写的。所以不要试图把事情强加到 C++ 术语中。

利用您的 MATLAB 经验可能会更好，并进行调整以允许使用 Python。 numpy 有许多 Python 之外的怪癖。它使用 Python 语法，但因为它有自己的 C 代码，所以它不仅仅是一个 Python 类。

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

Python 对象具有属性和方法。还有properties 看起来像属性，但实际上使用方法来获取/设置。通常你不需要知道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)

Ipython 中的x.<tab> 向我展示了ndarray 的所有补全。有4*18。有些是方法，有些是属性。 x._<tab> 显示了更多以__ 开头的内容。这些是“私人的”——不是为了公共消费，但这只是语义。您可以查看它们并在需要时使用它们。

副手x.shape 是我设置的唯一ndarray 属性，即便如此，我通常使用reshape(...) 代替。阅读他们的文档以查看差异。 ndim 是维数，直接改没意义。是len(x.shape)；改变形状改变ndim。同样x.size 不应该是你直接改变的东西。

其中一些属性可以通过函数访问。 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，它提供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，__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.

所有这些都应该被视为属性，尽管我不认为numpy 实际上使用了property 机制。一般来说，它们应该被认为是“只读的”。除了shape，我只记得更改了data（指向数据缓冲区的指针）和strides。

Answer 2

关于您的第一个问题，Python 为properties 提供了语法糖，包括对获取、设置、删除它们的细粒度控制，以及对上述任何内容的限制。

所以，例如，如果你有

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

然后你可以写Foo().shmip 来获得3，但是，如果这是类定义，你已经禁用设置Foo().shmip = 4。

换句话说，这些是只读属性。

Answer 3

问题 1

您提到的列表是一个包含 Numpy 数组属性的列表。

例如：

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

由于a 是一个 nump.ndarray，您可以使用这些属性来了解更多信息。 （即a.size 将导致 3）。要了解每个人所做的事情，请访问 SciPy's 有关属性的文档。

问题 2

如果您使用的是 v1.9，您可以从 here 开始熟悉 Numpy 的一些基本工具以及 Reference Manual。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。整个网站都提供了多个示例。