NumPy Ndarray 对象

引言

NumPy 是 Python 中最基础且最重要的科学计算库之一。其中，ndarray 对象是 NumPy 的核心，它提供了多维数组的数据结构，极大地简化了科学计算中的数组操作。本文将详细介绍 NumPy 的 ndarray 对象，包括其创建、属性、操作以及在实际应用中的使用方法。

NumPy ndarray 的创建

在 NumPy 中，可以使用多种方式创建 ndarray 对象。以下是一些常见的方法：

1. 使用数组函数创建

python 复制代码

import numpy as np

# 创建一个一维数组
array_1d = np.array([1, 2, 3, 4, 5])

# 创建一个二维数组
array_2d = np.array([[1, 2, 3], [4, 5, 6]])

# 创建一个三维数组
array_3d = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])

2. 使用 Python 原生列表创建

python 复制代码

import numpy as np

# 使用 Python 原生列表创建一维数组
array_1d = np.array([1, 2, 3, 4, 5])

# 使用 Python 原生列表创建二维数组
array_2d = np.array([[1, 2, 3], [4, 5, 6]])

# 使用 Python 原生列表创建三维数组
array_3d = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])

3. 使用函数直接创建

python 复制代码

import numpy as np

# 使用 zeros 函数创建一个全为零的二维数组
array_zeros = np.zeros((2, 3))

# 使用 ones 函数创建一个全为一的二维数组
array_ones = np.ones((2, 3))

# 使用 full 函数创建一个给定值填充的二维数组
array_full = np.full((2, 3), 7)

# 使用 empty 函数创建一个未初始化的二维数组
array_empty = np.empty((2, 3))

# 使用 random 函数创建一个随机值的二维数组
array_random = np.random.random((2, 3))

# 使用 randint 函数创建一个给定范围随机整数的二维数组
array_randint = np.random.randint(1, 10, (2, 3))

NumPy ndarray 的属性

ndarray 对象具有多种属性，以下是一些常用的属性：

1. shape

shape 属性表示数组的维度和大小。例如：

python 复制代码

import numpy as np

array_2d = np.array([[1, 2, 3], [4, 5, 6]])
print(array_2d.shape)  # 输出：(2, 3)

2. dtype

dtype 属性表示数组中元素的数据类型。例如：

python 复制代码

import numpy as np

array_int = np.array([1, 2, 3])
print(array_int.dtype)  # 输出：int64

3. size

size 属性表示数组中元素的总数。例如：

python 复制代码

import numpy as np

array_2d = np.array([[1, 2, 3], [4, 5, 6]])
print(array_2d.size)  # 输出：6

NumPy ndarray 的操作

NumPy ndarray 对象支持多种操作，包括数学运算、索引、切片、形状变换等。

1. 数学运算

python 复制代码

import numpy as np

array_1d = np.array([1, 2, 3, 4, 5])
print(array_1d * 2)  # 输出：[ 2  4  6  8 10]

2. 索引与切片

python 复制代码

import numpy as np

array_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(array_2d[0, 1])  # 输出：2
print(array_2d[0:2, 1:3])  # 输出：[[2 3] [5 6]]

3. 形状变换

python 复制代码

import numpy as np

array_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(array_2d.reshape(3, 1))  # 输出：[[1] [4] [7]]

总结

NumPy ndarray 对象是 NumPy 库中的核心，提供了多维数组的数据结构，极大地简化了科学计算中的数组操作。本文详细介绍了 NumPy ndarray 的创建、属性、操作以及在实际应用中的使用方法。掌握 NumPy ndarray 对象，将有助于提高你的科学计算效率。