跳转至

NumPy 数组属性

数组属性描述 ndarray 的逻辑结构和物理布局。理解这些元数据有助于检查数据契约、定位维度错误，并判断某个操作是否可能产生复制。

常用属性

属性 含义
ndim 维数
shape 各维长度组成的元组
size 元素总数
dtype 元素数据类型
itemsize 单个元素字节数
nbytes 元素缓冲区的逻辑字节数
strides 各维移动一步的字节跨度
flags 连续性、可写性和所有权等标志
T 转置视图的快捷属性
base 视图所引用的底层对象（若有）

可运行示例

import numpy as np

a = np.arange(12, dtype=np.float32).reshape(3, 4)
print("ndim:", a.ndim)
print("shape:", a.shape)
print("size:", a.size)
print("dtype/itemsize:", a.dtype, a.itemsize)
print("nbytes:", a.nbytes)
print("strides:", a.strides)
print("C contiguous:", a.flags.c_contiguous)

b = a[:, ::2]
print("sliced strides:", b.strides)
print("contiguous:", b.flags.c_contiguous)

shape 可以赋值，但更推荐调用 reshape，因为意图更清晰且失败行为更容易理解：

import numpy as np

a = np.arange(6)
b = a.reshape(2, 3)
print(b)

形状约定

标量数组 shape 为 ()，一维数组为 (n,)，列向量通常表示为 (n, 1)。(n,) 与 (n, 1) 在广播和矩阵乘法中行为不同，不应混用。

常见错误与工程注意事项

  • nbytes 不包含 Python 对象本身的管理开销；对 object 数组也不包含所引用对象的内存。
  • T 对一维数组没有视觉变化；要得到列向量可用 a[:, None] 或 a.reshape(-1, 1)。
  • 非连续不代表错误，但某些 C/Fortran 接口要求特定布局，可用 np.ascontiguousarray 或 np.asfortranarray 显式转换。
  • base is other 不是可靠的共享内存通用判断，因为视图链可能跨多个对象；使用 np.shares_memory。
  • 修改 shape 或依赖具体 strides 的代码较脆弱。公共接口应验证维数和关键轴长度，而非假设输入布局。
  • 超大数组计算前可用 size * dtype.itemsize 估算最小缓冲区，但还要为临时结果预留内存。