人工智能之数据分析 numpy
第三章 Ndarray 对象和数组创建
文章目录
- [人工智能之数据分析 numpy](#人工智能之数据分析 numpy)
- 前言
- [一、ndarray 对象的基本特点](#一、ndarray 对象的基本特点)
- [二、创建 ndarray 的多种方式](#二、创建 ndarray 的多种方式)
- [1. 从 Python 列表/元组创建](#1. 从 Python 列表/元组创建)
- [2. 指定数据类型（dtype）](#2. 指定数据类型（dtype）)
- [3. 使用内置函数创建特定数组](#3. 使用内置函数创建特定数组)
- [(1) `np.zeros(shape)`：全 0 数组](#(1)
np.zeros(shape)：全 0 数组)- [(2) `np.ones(shape)`：全 1 数组](#(2)
np.ones(shape)：全 1 数组)- [(3) `np.empty(shape)`：未初始化的数组（内容随机）](#(3)
np.empty(shape)：未初始化的数组（内容随机）)- [(4) `np.full(shape, fill_value)`：填充指定值](#(4)
np.full(shape, fill_value)：填充指定值)- [4. 创建等差或等比序列](#4. 创建等差或等比序列)
- [(1) `np.arange(start, stop, step)`：类似 Python 的 `range`，但返回 ndarray](#(1)
np.arange(start, stop, step)：类似 Python 的range，但返回 ndarray)- [(2) `np.linspace(start, stop, num)`：生成等间距的 `num` 个点（包含 stop）](#(2)
np.linspace(start, stop, num)：生成等间距的num个点（包含 stop）)- [(3) `np.logspace(start, stop, num, base=10)`：对数等间距](#(3)
np.logspace(start, stop, num, base=10)：对数等间距)- [5. 创建单位矩阵和对角矩阵](#5. 创建单位矩阵和对角矩阵)
- [(1) `np.eye(N, M=None, k=0)`：单位矩阵（对角为 1）](#(1)
np.eye(N, M=None, k=0)：单位矩阵（对角为 1）)- [(2) `np.identity(n)`：n×n 单位矩阵（是 `eye(n)` 的简写）](#(2)
np.identity(n)：n×n 单位矩阵（是eye(n)的简写）)- [(3) `np.diag(v, k=0)`：从向量构造对角矩阵，或提取对角线](#(3)
np.diag(v, k=0)：从向量构造对角矩阵，或提取对角线)- [6. 随机数组生成（使用 `np.random` 模块）](#6. 随机数组生成（使用
np.random模块）)- [7. 从已有数组创建新数组（不复制数据或浅拷贝）](#7. 从已有数组创建新数组（不复制数据或浅拷贝）)
- [8. 从文件或字符串读取（略提）](#8. 从文件或字符串读取（略提）)
- 三、常用属性
- 四、小结：常用创建函数速查表
- 后续
- 资料关注
前言
Ndarray 是 NumPy 的核心数据结构，本质是存储单一数据类型的多维数组，也是后续所有操作的基础。它具备高效的存储和运算能力，能够支持批量数据处理，区别于 Python 原生列表（可存储多种数据类型、运算效率低）。
一、ndarray 对象的基本特点
- 同构性：数组中所有元素的数据类型必须相同。
- 维度（axes）：可以是一维、二维、三维甚至更高维。
- 形状（shape）：表示每个维度的大小，是一个元组。
- 数据类型（dtype） ：如
int32、float64、bool等。 - 内存连续：默认情况下，数组在内存中是连续存储的，便于高效访问。
二、创建 ndarray 的多种方式
1. 从 Python 列表/元组创建
python
import numpy as np
# 一维数组
a = np.array([1, 2, 3])
print(a) # [1 2 3]
# 二维数组
b = np.array([[1, 2], [3, 4]])
print(b)
# [[1 2]
# [3 4]]注意：
np.array()不会复制数据（除非必要），但会尝试推断 dtype。
2. 指定数据类型（dtype）
python
c = np.array([1, 2, 3], dtype=np.float32)
print(c.dtype) # float323. 使用内置函数创建特定数组
(1) np.zeros(shape)：全 0 数组
python
z = np.zeros((2, 3))
# [[0. 0. 0.]
# [0. 0. 0.]](2) np.ones(shape)：全 1 数组
python
o = np.ones((2, 2), dtype=int)
# [[1 1]
# [1 1]](3) np.empty(shape)：未初始化的数组（内容随机）
python
e = np.empty((2, 2))
# 内容不确定，仅分配内存(4) np.full(shape, fill_value)：填充指定值
python
f = np.full((2, 3), 7)
# [[7 7 7]
# [7 7 7]]4. 创建等差或等比序列
(1) np.arange(start, stop, step)：类似 Python 的 range，但返回 ndarray
python
r = np.arange(0, 10, 2) # [0 2 4 6 8]注意：
stop不包含。
(2) np.linspace(start, stop, num)：生成等间距的 num 个点（包含 stop）
python
l = np.linspace(0, 1, 5)
# [0. 0.25 0.5 0.75 1. ](3) np.logspace(start, stop, num, base=10)：对数等间距
python
log_arr = np.logspace(0, 2, 5) # 10^0 到 10^2，5 个点
# [ 1. 3.16227766 10. 31.6227766 100. ]5. 创建单位矩阵和对角矩阵
(1) np.eye(N, M=None, k=0)：单位矩阵（对角为 1）
python
I = np.eye(3)
# [[1. 0. 0.]
# [0. 1. 0.]
# [0. 0. 1.]]k表示对角线偏移（k=1为上对角，k=-1为下对角）
(2) np.identity(n)：n×n 单位矩阵（是 eye(n) 的简写）
(3) np.diag(v, k=0)：从向量构造对角矩阵，或提取对角线
python
v = [1, 2, 3]
d = np.diag(v)
# [[1 0 0]
# [0 2 0]
# [0 0 3]]
# 反过来：提取对角线
diag_vals = np.diag(d) # [1 2 3]6. 随机数组生成（使用 np.random 模块）
推荐使用新的随机数生成器（NumPy 1.17+）：
python
rng = np.random.default_rng(seed=42)
# 均匀分布 [0, 1)
rand_uniform = rng.random((2, 3))
# 正态分布（均值0，标准差1）
rand_normal = rng.standard_normal((2, 2))
# 整数随机
rand_int = rng.integers(low=0, high=10, size=(3,))旧方法（仍可用，但不推荐）：
python
np.random.rand(2, 3) # 均匀分布
np.random.randn(2, 2) # 标准正态分布
np.random.randint(0, 10, 5) # 整数7. 从已有数组创建新数组（不复制数据或浅拷贝）
np.copy(a)：深拷贝a.view()：视图（共享数据）np.asarray(a)：如果 a 已是 ndarray，则不复制
python
a = np.array([1, 2, 3])
b = a.view() # 修改 b 会影响 a
c = np.copy(a) # 独立副本8. 从文件或字符串读取（略提）
np.loadtxt(),np.genfromtxt()：读文本文件np.fromfile()：读二进制文件np.fromstring()：从字符串解析（已弃用，建议用frombuffer）
三、常用属性
python
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr.ndim) # 维度数：2
print(arr.shape) # 形状：(2, 3)
print(arr.size) # 元素总数：6
print(arr.dtype) # 数据类型：int64（取决于平台）
print(arr.itemsize) # 每个元素字节数
print(arr.data) # 内存地址（一般不用）四、小结：常用创建函数速查表
| 方法 | 说明 |
|---|---|
np.array() |
从列表/元组创建 |
np.zeros() |
全 0 |
np.ones() |
全 1 |
np.empty() |
未初始化 |
np.full() |
填充指定值 |
np.arange() |
等差整数序列 |
np.linspace() |
等间距浮点序列 |
np.eye() / np.identity() |
单位矩阵 |
np.diag() |
对角矩阵 |
rng.random() / rng.integers() |
随机数组 |
后续
部分代码已经上传至gitee，后续会逐步更新，主要受时间原因限制，当然自己也可以克隆到本地学习拓展。
资料关注
公众号：咚咚王
gitee：https://gitee.com/wy18585051844/ai_learning
《Python编程：从入门到实践》
《利用Python进行数据分析》
《算法导论中文第三版》
《概率论与数理统计（第四版） (盛骤) 》
《程序员的数学》
《线性代数应该这样学第3版》
《微积分和数学分析引论》
《（西瓜书）周志华-机器学习》
《TensorFlow机器学习实战指南》
《Sklearn与TensorFlow机器学习实用指南》
《模式识别（第四版）》
《深度学习 deep learning》伊恩·古德费洛著 花书
《Python深度学习第二版(中文版)【纯文本】 (登封大数据 (Francois Choliet)) (Z-Library)》
《深入浅出神经网络与深度学习+(迈克尔·尼尔森（Michael+Nielsen）》
《自然语言处理综论 第2版》
《Natural-Language-Processing-with-PyTorch》
《计算机视觉-算法与应用(中文版)》
《Learning OpenCV 4》
《AIGC：智能创作时代》杜雨+&+张孜铭
《AIGC原理与实践：零基础学大语言模型、扩散模型和多模态模型》
《从零构建大语言模型（中文版）》
《实战AI大模型》
《AI 3.0》