数组对象建立后，我们经常需要查看对象的一些属性特征以及访问或更改元素赋值。

首先我们建立一个数组：

import numpy as np
data1 = np.array([[1,2,3],[4,5,6],[7,8,9]])
data1
Out[4]: 
array([[1, 2, 3],
   [4, 5, 6],
   [7, 8, 9]])

查看属性：数组的属性主要有5种：

1.查看轴数： ndarray.ndim

在NumPy中维度(dimensions)叫做轴(axes)，轴的个数叫做秩(rank)。

一个3×3的数组，从左到右的数字对应表示由表及里的维度，也就是轴，按照索引给轴编号依次为“轴0“，“轴1”。它的秩为2。

类似的，一个3×3×2的数组，按照索引给轴编号依次为“轴0”，“轴1”，“轴2“。它的秩为3。

data1.ndim
Out[7]: 2
data1是一个二维数组，秩为2

2.查看数组大小：ndarray.shape

data1.shape
Out[6]: (3, 3)
data1是一个3行3列的数组

3.查看数组元素个数：ndarray.size

data1.size
Out[8]: 9

4.查看数组中元素类型：ndarray.dtype

data1.dtype
Out[9]: dtype('int32')

5.查看数组中元素的字节大小：ndarray.itemsize

data1.itemsize
Out[11]: 4

一个元素类型为int32的数组itemsiz属性值为8(=32/8)

访问并更改数组元素：索引和切片

基本索引和切片：根据轴的编号确定索引位置。注意Python从0开始。

（1）访问元素

data1[2] #查看第三行
Out[12]: array([7, 8, 9])
data1[:,2] #查看第三列，冒号表示选取整个轴，请data1[:]
Out[14]: array([3, 6, 9])
data1[2,:2] #查看第三行一二列
Out[26]: array([7, 8])
data1[2,2] #查看第三行第三列
Out[16]: 9

（2）更改元素值：可以将标量和数组赋给数组

arr1 = np.array((11,12,13)) #建立一维数组
arr1
Out[19]: array([11, 12, 13])
data1[2]=1 #标量赋值，将第3行元素都变为1
data1
Out[21]: 
array([[1, 2, 3],
       [4, 5, 6],
       [1, 1, 1]])
data1[2]=arr1#数组赋值
data1
Out[23]: 
array([[ 1,  2,  3],
       [ 4,  5,  6],
       [11, 12, 13]])

2.布尔型索引：利用布尔数组访问并赋值，不能使用布尔列表。

data2 = np.arange(1,6,1)
data2
Out[30]: array([1, 2, 3, 4, 5])
boo = np.array((True,False,True,False,False))
data2[boo]
Out[34]: array([1, 3])
data2[np.array([True,False])]#布尔数组不够时，不够部分都为Fasle
Out[36]: array([1])
data2[[True,False,True]]#如果采用布尔列表，则True为1,False为0,采用整数序列方式获取元素
Out[37]: array([2, 1, 2])

3.花式索引：利用整数数组或列表进行索引。

data3 = np.array((0,1,2,1))#整数数组
data1[data3]#整数数组索引
Out[46]: 
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9],
       [4, 5, 6]])
data1[[1,2,0]] #整数列表索引
Out[48]: 
array([[4, 5, 6],
       [7, 8, 9],
       [1, 2, 3]])
data1[[1,2,0],[0,1,2]]#查看（1,0），（2,1），（0,2）位置上的数。
Out[49]: array([4, 8, 3])

以上就是基本的数组属性及访问赋值方法了。

参考文献

【1】Python 数据分析基础包：Numpy

【2】NumPy-快速处理数据

【3】Python for Data Analysis（利用Python进行数据分析 ）

【4】ndarray对象