Tutorial de Numpy - NumPy Multidimensional Array-ndarray

1. Definición de ndarray
2. Atributos del ndarray

NumPy es una biblioteca que utiliza matrices multidimensionales como estructura básica de datos. La única estructura de datos en NumPy es ndarray pero no el tipo de datos primitivo de Python list data type, porque list funciona relativamente despacio.

Después de que hayas aprendido ndarray que es la piedra angular de NumPy, entenderás por qué NumPy puede lograr una computación de alta velocidad.

Definición de ndarray

ndarray es la abreviatura de n-dimension array, o en otras palabras - matrices multidimensionales. La ndarray es un objeto de array que representa un array multidimensional y homogénea de elementos de tamaño fijo.

Las dimensiones y el número de elementos están definidos por la forma, es decir, una tupla de N números enteros que representa el número de elementos en cada dimensión. El tipo de elemento en el array se define por dtype - objeto de tipo dato.

Expliquemos las frases anteriores en lenguaje sencillo. Todos los elementos almacenados en el objeto ndarray deben tener el mismo tipo y tamaño de datos.

Las características del tipo de datos ndray se resumen de la siguiente manera.

1. Sólo puede almacenar elementos del mismo tipo
2. La cantidad de datos en cada dimensión debe ser la misma, por ejemplo el 2D ndarray debe tener la misma cantidad de elementos en cada columna, y por supuesto también en cada fila.
3. Está escrito en lenguaje C y podría ejecutar la operación del array de forma óptima.

Atributos del ndarray

Vamos a enumerar los atributos de ndarray.

Cuando accedes a los atributos de ndarray, los datos de la instancia ndarray no se modifican, aunque cuando usas .T para obtener la transposición del objeto. Obtienes un nuevo objeto ndarray pero no los datos originales modificados.

Veamos el significado específico de cada atributo a través de códigos de ejemplo.

>>> import numpy as np
>>> a = np.array([1, 2, 3])

Necesitamos importar la librería NumPy y crear un nuevo array 1-D. Podríamos comprobar su tipo de datos y el tipo de datos de su elemento.

>>> type(a)
numpy.ndarray
>>> a.dtype
dtype('int32')

Vamos a crear una nueva matriz de 2 dimensiones y luego comprobar sus atributos.

>>> b = np.array([[4, 5, 6], [7, 8, 9]])
>>> b
array([[4, 5, 6],
       [7, 8, 9]])
>>> b.T     # get the transpose of b
array([[4, 7],
       [5, 8],
       [6, 9]])
>>> b       # b keeps unmodified
array([[4, 5, 6],
       [7, 8, 9]])
>>> a.size  # a has 3 elements
3
>>> b.size  # b has 6 elements
6
>>> a.itemsize # The size of element in a. The data type here is int64 - 8 bytes
8
>>> b.nbytes  # check how many bytes in b. It is 48, where 6x8 = 48
48
>>> b.shape # The shape of b
(2, 3)
>>> b.dnim # The dimensions of b
2