我是Python的新手。
在使用Matlab很多年之后，最近，我开始学习numpy/scipy
似乎numpy最基本的元素似乎是ndarray。在narray中，有以下属性:
-
ndarray.ndim -
ndarray.shape -
ndarray.size - 等
我对c++/JAVA类很熟悉，但对Python OOP还是个新手。
Q1:我的第一个问题是上述属性的同一性是什么?
首先，我假设上述属性可能是公共成员变量。但很快，我发现a.ndim = 10不工作(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。然而，当我用括号尝试a.nidm()时，它不起作用。因此，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but print a.ndim工作，所以它们不能是私有数据成员。
因此，我无法弄清楚上述属性的真正身份是什么。
Q2。我在哪里可以找到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，然后我想一切都清楚了。
你能给点建议吗?
numpy是C代码和Python代码的混合实现。源代码可以在github上浏览，也可以作为git存储库下载。但是挖掘C源代码需要一些工作。许多文件被标记为.c.src，这意味着它们在编译之前要经过一层或多层的预处理。
Python也是用C和Python混合编写的。因此，不要试图将事情强行转换为c++术语。
最好利用您的MATLAB经验，并进行调整以允许使用Python。numpy有许多超出Python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。这样我就可以使用foo?来查看foo的文档(与Python help(foo)相同，foo??可以查看代码-如果它是用Python编写的(如MATLAB/Octave type(foo))
Python对象有属性和方法。还有properties，它看起来像属性，但实际上使用方法来获取/设置。通常您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)
x.<tab>显示了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__开始的内容。这些都是"私人的"——不打算供公众消费，但这只是语义上的。你可以查看它们并在需要时使用它们。
Off hand x.shape是我唯一设置的ndarray属性，即使这样，我通常也使用reshape(...)。阅读他们的文档，看看有什么不同。ndim是维度的数量，直接改变它没有意义。它是len(x.shape);改变形状改变ndim。同样，x.size也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，我只记得改变了data(指向数据缓冲区的指针)和strides。
关于你的第一个问题，Python对属性有语法糖，包括对获取、设置、删除它们的细粒度控制，以及对上述任何一项的限制。
例如，如果你有
class Foo(object):
@property
def shmip(self):
return 3
则可以写入Foo().shmip以获得3，但是，如果这是类定义，则禁用设置Foo().shmip = 4。
也就是说，这些都是只读属性
问题1
你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'>
因为a是nump。你可以使用这些属性来了解更多。(例如，a.size的结果是3).要获取关于每个属性的信息，请访问SciPy关于属性的文档。
问题2
您可以从这里开始熟悉Numpy的一些基本工具以及参考手册(假设您使用的是v1.9)。有关Numpy Array的具体信息，请参见Array Objects。
他们的文档非常广泛，非常有帮助。整个网站都提供了示例，展示了多个示例。