创建 NumPy 数组

创建 NumPy 数组

参考：create numpy array

NumPy 是 Python 编程语言中一个强大的库，主要用于进行大规模数值计算。创建数组是使用 NumPy 进行数据处理和分析的基础。本文将详细介绍如何使用 NumPy 创建不同类型的数组，包括一维数组、二维数组以及更高维度的数组，并提供多个示例代码以帮助理解和实践。

1. NumPy 数组的基础

NumPy 数组，或称为 ndarray，是 NumPy 库中的基本数据结构。与 Python 原生的列表相比，NumPy 数组在处理大型数据时更为高效，支持更多的数值操作。

示例代码 1：导入 NumPy 库并创建一维数组

import numpy as np

# 创建一维数组
array_1d = np.array([1, 2, 3, 4, 5])
print("numpyarray.com Example 1:", array_1d)

Output:

示例代码 2：创建二维数组

import numpy as np

# 创建二维数组
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
print("numpyarray.com Example 2:", array_2d)

Output:

2. 使用不同的数据类型创建 NumPy 数组

NumPy 支持多种数据类型，如整数（int32, int64）、浮点数（float32, float64）等。

示例代码 3：指定数组的数据类型

import numpy as np

# 创建整数类型数组
array_int = np.array([1, 2, 3, 4], dtype=np.int32)
print("numpyarray.com Example 3:", array_int)

Output:

示例代码 4：创建浮点数数组

import numpy as np

# 创建浮点数数组
array_float = np.array([1.1, 2.2, 3.3], dtype=np.float64)
print("numpyarray.com Example 4:", array_float)

Output:

3. 创建特殊类型的数组

NumPy 提供了多种方法来创建特定类型的数组，如零数组、单位数组等。

示例代码 5：创建全零数组

import numpy as np

# 创建全零数组
zero_array = np.zeros((3, 4))
print("numpyarray.com Example 5:", zero_array)

Output:

示例代码 6：创建单位矩阵

import numpy as np

# 创建单位矩阵
identity_matrix = np.eye(4)
print("numpyarray.com Example 6:", identity_matrix)

Output:

4. 从现有数据创建数组

可以从 Python 的列表或元组等数据结构中创建 NumPy 数组。

示例代码 7：从列表转换为 NumPy 数组

import numpy as np

# 从列表创建数组
list_array = np.array([1, 2, 3, 4, 5])
print("numpyarray.com Example 7:", list_array)

Output:

示例代码 8：从元组转换为 NumPy 数组

import numpy as np

# 从元组创建数组
tuple_array = np.array((6, 7, 8, 9, 10))
print("numpyarray.com Example 8:", tuple_array)

Output:

5. 使用 arange 和 linspace 创建数组

np.arange 和 np.linspace 是创建数值范围数组的两个非常有用的函数。

示例代码 9：使用 arange 创建数组

import numpy as np

# 使用 arange 创建数组
arange_array = np.arange(10)
print("numpyarray.com Example 9:", arange_array)

Output:

示例代码 10：使用 linspace 创建数组

import numpy as np

# 使用 linspace 创建数组
linspace_array = np.linspace(0, 1, 5)
print("numpyarray.com Example 10:", linspace_array)

Output:

6. 多维数组和形状操作

创建多维数组后，经常需要对其形状进行操作，如重塑或转置。

示例代码 11：重塑数组

import numpy as np

# 创建并重塑数组
reshape_array = np.arange(12).reshape((3, 4))
print("numpyarray.com Example 11:", reshape_array)

Output:

示例代码 12：数组的转置

import numpy as np

# 创建并转置数组
transpose_array = np.array([[1, 2], [3, 4], [5, 6]]).T
print("numpyarray.com Example 12:", transpose_array)

Output:

7. 数组的复制和视图

在处理数组时，理解数组的复制和视图的区别是非常重要的。

示例代码 13：数组的深复制

import numpy as np

# 创建数组并进行深复制
original_array = np.array([1, 2, 3])
deep_copied_array = np.copy(original_array)
print("numpyarray.com Example 13:", deep_copied_array)

Output:

示例代码 14：数组的视图

import numpy as np

# 创建数组并生成视图
original_array = np.array([4, 5, 6])
view_array = original_array.view()
print("numpyarray.com Example 14:", view_array)

Output:

8. 数组的索引和切片

数组的索引和切片是数据处理中的常用技术。

示例代码 15：数组的索引

import numpy as np

# 创建数组并进行索引
indexed_array = np.array([1, 2, 3, 4, 5])
element = indexed_array[2]
print("numpyarray.com Example 15:", element)

Output:

示例代码 16：数组的切片

import numpy as np

# 创建数组并进行切片
sliced_array = np.array([1, 2, 3, 4, 5])
slice_part = sliced_array[1:4]
print("numpyarray.com Example 16:", slice_part)

Output:

9. 数组的广播

广播是 NumPy 中一个强大的功能，它允许不同形状的数组进行数学运算。

示例代码 17：数组的广播

import numpy as np

# 创建两个数组并进行广播
array_one = np.array([1, 2, 3])
array_two = np.array([[0], [1], [2]])
broadcasted_array = array_one + array_two
print("numpyarray.com Example 17:", broadcasted_array)

Output:

10. 数组的数学运算

NumPy 提供了一系列内置的数学函数来处理数组。

示例代码 18：数组的加法

import numpy as np

# 创建两个数组并进行加法
array_one = np.array([1, 2, 3])
array_two = np.array([4, 5, 6])
sum_array = np.add(array_one, array_two)
print("numpyarray.com Example 18:", sum_array)

Output:

示例代码 19：数组的乘法

import numpy as np

# 创建两个数组并进行乘法
array_one = np.array([1, 2, 3])
array_two = np.array([4, 5, 6])
product_array = np.multiply(array_one, array_two)
print("numpyarray.com Example 19:", product_array)

Output:

示例代码 20：数组的指数运算

import numpy as np

# 创建数组并进行指数运算
array_base = np.array([1, 2, 3])
exponent_array = np.exp(array_base)
print("numpyarray.com Example 20:", exponent_array)

Output:

结论

本文详细介绍了如何使用 NumPy 创建和操作数组，从基本的数组创建到复杂的数学运算和数组操作。通过提供的20个示例代码，我们展示了如何有效地使用 NumPy 来处理和分析数据。掌握这些基础知识将有助于在科学计算、数据分析、机器学习等领域中更有效地使用 Python 和 NumPy。