python-numpy速查文档（5）博客主页：源码速查本文档共 5 部分，当前为第 5 部分文章目录python-numpy速查文档（5）六、公开方法速查（按功能分类）nan：缺失值nargs：参数个数nbytes：总字节nd：维度数用途ndim：维度数newaxis：新增轴newbyteorder：字节序转换nin：输入个数nop：操作数个数nout：输出个数ntypes：循环类型数num：类型编号numerator：分子值numiter：迭代器数量o：Oogrid：开放网格operands：操作数order：存储顺序pi：圆周率ptp：极差快捷入口r：Rr_：行拼接器real：实部roots：多项式根s_：切片构造器ScalarType：标量类型集sctypeDict：标量类型表shape：形状尺寸signature：调用签名size：元素数量smallest_normal：最小正规数str：字符串命名空间strides：步长subdtype：子类型T：转置tiny：最小正数True_：布尔真值type：元素类型typecodes：类型代码types：类型集合value：数值variable：变量对象version：版本信息weekmask：工作日掩码八、快速索引类快速索引方法快速索引属性快速索引九、参考资料【numpy 公开成员统计】：共 70 个公开类，433 个公开方法，108 个公开属性六、公开方法速查（按功能分类）本部分继续列出公开方法或属性详细条目。nan：缺失值类型：float归属：numpy说明：numpy.nan表示 IEEE NaN 缺失或非法数值，适合构造浮点缺失值并参与空值判断。importnumpyasnp# 构造能体现 nan 属性含义的 NumPy 对象arr=np.array([[1+2j,2+0j,3-1j],[4+0j,5+1j,6+0j]])value=arr.nanprint("属性值:",value)# 输出含义：展示 nan 的真实读取结果print("返回类型:",type(value).__name__)# 输出含义：判断后续能否继续索引、遍历或传给底层接口nargs：参数个数类型：getset_descriptor归属：numpy.ufunc说明：ufunc.nargs返回 ufunc 输入和输出参数总数，适合检查通用函数调用需要多少操作数。importnumpyasnp# 构造能体现 nargs 属性含义的 NumPy 对象arr=np.array([[1+2j,2+0j,3-1j],[4+0j,5+1j,6+0j]])value=arr.nargsprint("属性值:",value)# 输出含义：展示 nargs 的真实读取结果print("返回类型:",type(value).__name__)# 输出含义：判断后续能否继续索引、遍历或传给底层接口nbytes：总字节类型：getset_descriptor归属：numpy.generic说明：generic.nbytes返回数组实际数据区总字节数，适合估算内存开销。importnumpyasnp# 构造能体现 nbytes 属性含义的 NumPy 对象arr=np.array([[1+2j,2+0j,3-1j],[4+0j,5+1j,6+0j]])value=arr.nbytesprint("属性值:",value)# 输出含义：展示 nbytes 的真实读取结果print("返回类型:",type(value).__name__)# 输出含义：判断后续能否继续索引、遍历或传给底层接口类型：getset_descriptor归属：numpy.ndarray说明：ndarray.nbytes表示对象底层数据占用的字节数，适合估算内存成本。importnumpyasnp# 用二维数组展示 ndarray 常见属性的含义arr=np.array([[1,2,3],[4,5,6]])value=arr.nbytesprint("属性含义:","缺失常量")print("属性类型:",type(value).__name__)# 输出: 属性返回值类型print(value)# 输出: 属性实际内容nd：维度数用途类型：member_descriptor归属：numpy.broadcast说明：broadcast.nd返回广播结果的维度数，适合确认多个数组广播后的结果层级。importnumpyasnp# 构造能体现 nd 属性含义的 NumPy 对象broadcasted=np.broadcast(np.array([1,2]),np.array([[10],[20]]))value=broadcasted.ndprint("属性值:",value)# 输出含义：展示 nd 的真实读取结果print("返回类型:",type(value).__name__)# 输出含义：判断后续能否继续索引、遍历或传给底层接口ndim：维度数类型：member_descriptor归属：numpy.broadcast说明：broadcast.ndim暴露广播对象的结构或运行状态，适合检查数组布局、类型状态或计算条件。importnumpyasnp# 用二维数组展示 ndarray 常见属性的含义arr=np.array([[1,2,3],[4,5,6]])value=arr.ndimprint("属性含义:","维度数")print("属性类型:",type(value).__name__)# 输出: 属性返回值类型print(value)# 输出: 属性实际内容类型：getset_descriptor归属：numpy.dtype说明：dtype.ndim暴露数据类型对象的结构或运行状态，适合检查数组布局、类型状态或计算条件。importnumpyasnp# 用二维数组展示 ndarray 常见属性的含义arr=np.array([[1,2,3],[4,5,6]])value=arr.ndimprint("属性含义:","维度数")print("属性类型:",type(value).__name__)# 输出: 属性返回值类型print(value)# 输出: 属性实际内容类型：getset_descriptor归属：numpy.generic说明：generic.ndim暴露NumPy 标量基类的结构或运行状态，适合检查数组布局、类型状态或计算条件。importnumpyasnp# 用二维数组展示 ndarray 常见属性的含义arr=np.array([[1,2,3],[4,5,6]])value=arr.ndimprint("属性含义:","维度数")print("属性类型:",type(value).__name__)# 输出: 属性返回值类型print(value)# 输出: 属性实际内容类型：getset_descriptor归属：numpy.ndarray说明：ndarray.ndim返回维度数量，适合区分标量、向量、矩阵和高维张量。importnumpyasnp# 用二维数组展示 ndarray 常见属性的含义arr=np.array([[1,2,3],[4,5,6]])value=arr.ndimprint("属性含义:","维度数")print("属性类型:",type(value).__name__)# 输出: 属性返回值类型print(value)# 输出: 属性实际内容类型：getset_descriptor归属：numpy.nditer说明：nditer.ndim暴露数组迭代器的结构或运行状态，适合检查数组布局、类型状态或计算条件。importnumpyasnp# 用二维数组展示 ndarray 常见属性的含义arr=np.array([[1,2,3],[4,5,6]])value=arr.ndimprint("属性含义:","维度数")print("属性类型:",type(value).__name__)# 输出: 属性返回值类型print(value)# 输出: 属性实际内容newaxis：新增轴类型：NoneType归属：numpy说明：numpy.newaxis是None的别名，适合在索引中插入新维度来调整数组形状。importnumpyasnp# 构造能体现 newaxis 属性含义的 NumPy 对象arr=np.array([[1+2j,2+0j,3-1j],[4+0j,5+1j,6+0j]])value=arr.newaxisprint("属性值:",value)# 输出含义：展示 newaxis 的真实读取结果print("返回类型:",type(value).__name__)# 输出含义：判断后续能否继续索引、遍历或传给底层接口newbyteorder：字节序转换类型：getset_descriptor归属：numpy.generic说明：generic.newbyteorder返回使用指定字节序解释数据的新 dtype 或标量视图，适合处理跨平台二进制数据。importnumpyasnp# 构造能体现 newbyteorder 属性含义的 NumPy 对象arr=np.array([[1+2j,2+0j,3-1j],[4+0j,5+1j,6+0j]])value=arr.newbyteorderprint("属性值:",value)# 输出含义：展示 newbyteorder 的真实读取结果print("返回类型:",type(value).__name__)# 输出含义：判断后续能否继续索引、遍历或传给底层接口类型：getset_descriptor归属：numpy.ndarray说明：ndarray.newbyteorder返回使用指定字节序解释数据的新 dtype 或标量视图，适合处理跨平台二进制数据。importnumpyasnp# 用二维数组展示 ndarray 常见属性的含义arr=np.array([[1,2,3],[4,5,6]])value=arr.dtype.newbyteorder('')print("属性含义:","参数总数")print("属性类型:",type/
