NDArray與numpy.ndarray互相轉換

import numpy as np
from mxnet import nd
# numpy.ndarray 變 mx.NDArray
np_val = np.array([1, 2, 3])   # 定義一個numpy.ndarray
nd_val = nd.array(np_val)   # 深復制 
# NDArray 變 numpy.ndarray
np_val_ = nd_val.asnumpy()

NumPy與ndarray簡介

NumPy簡介

NumPy的全名為Numeric Python，是一個開源的Python科學計算庫，它包括：

• 一個強大的N維數組對象ndrray；
• 比較成熟的（廣播）函數庫；
• 用于整合C/C++和Fortran代碼的工具包；
• 實用的線性代數、傅里葉變換和隨機數生成函數

NumPy的優點：

• 對于同樣的數值計算任務，使用NumPy要比直接編寫Python代碼便捷得多；
• NumPy中的數組的存儲效率和輸入輸出性能均遠遠優于Python中等價的基本數據結構，且其能夠提升的性能是與數組中的元素成比例的；
• NumPy的大部分代碼都是用C語言寫的，其底層算法在設計時就有著優異的性能，這使得NumPy比純Python代碼高效得多

當然，NumPy也有其不足之處，由于NumPy使用內存映射文件以達到最優的數據讀寫性能，而內存的大小限制了其對TB級大文件的處理；此外，NumPy數組的通用性不及Python提供的list容器。因此，在科學計算之外的領域，NumPy的優勢也就不那么明顯。

數組ndarray

NumPy最重要的一個特點就是其N維數組對象（即ndarray）,該對象是一個快速而靈活的大數據集容器，該對象由兩部分組成：

• 實際的數據；
• 描述這些數據的元數據；

大部分的數組操作僅僅是修改元數據部分，而不改變其底層的實際數據。數組的維數稱為秩，簡單來說就是如果你需要獲取數組中一個特定元素所需的坐標數，如a是一個2×3×4的矩陣，你索引其中的一個元素必須給定三個坐標a[x,y,z]，故它的維數就是3。而軸可以理解為一種對數組空間的分割，以數組a為例，如果我們以0為軸，那么a可以看成是一個由兩個元素構成的數組，其中每個元素都是一個3×4的數組。

我們可以直接將數組看作一種新的數據類型，就像list、tuple、dict一樣，但數組中所有元素的類型必須是一致的，Python支持的數據類型有整型、浮點型以及復數型，但這些類型不足以滿足科學計算的需求，因此NumPy中添加了許多其他的數據類型，如bool、inti、int64、float32、complex64等。同時，它也有許多其特有的屬性和方法。

常用ndarray屬性：

dtype 描述數組元素的類型

shape 以tuple表示的數組形狀

ndim 數組的維度

size 數組中元素的個數

itemsize 數組中的元素在內存所占字節數

T 數組的轉置

flat 返回一個數組的迭代器，對flat賦值將導致整個數組的元素被覆蓋

real/imag 給出復數數組的實部/虛部

nbytes 數組占用的存儲空間

常用ndarray方法：