NumPy数组（ndarray）的创建与属性

什么是NumPy和ndarray？

NumPy（Numerical Python）是Python中用于科学计算的核心库。它提供了高性能的多维数组对象，称为ndarray，以及处理这些数组的工具。ndarray是NumPy的基础，让数值计算变得高效简单。

创建NumPy数组

有多种方法可以创建NumPy数组，适合不同场景。以下是常见方法，每个都附带简单示例。

1. 使用numpy.array()函数

这是最直接的方法，可以将Python列表或元组转换为NumPy数组。

import numpy as np  # 导入NumPy库

# 创建一个一维数组
arr1 = np.array([1, 2, 3, 4, 5])
print("一维数组:", arr1)

# 创建一个二维数组
arr2 = np.array([[1, 2, 3], [4, 5, 6]])
print("二维数组:", arr2)

2. 使用其他内置创建函数

NumPy提供了特殊函数来快速创建常用数组，非常适合初始化数据。

# 创建全零数组
zeros_arr = np.zeros((2, 3))  # 2行3列的全零数组
print("全零数组:\n", zeros_arr)

# 创建全一数组
ones_arr = np.ones((3, 4))  # 3行4列的全一数组
print("全一数组:\n", ones_arr)

# 创建序列数组
seq_arr = np.arange(0, 10, 2)  # 从0到10，步长为2
print("序列数组:", seq_arr)

# 创建等间隔数组
lin_arr = np.linspace(0, 1, 5)  # 0到1之间5个等分点
print("等间隔数组:", lin_arr)

# 创建单位矩阵
eye_arr = np.eye(3)  # 3x3单位矩阵
print("单位矩阵:\n", eye_arr)

# 创建随机数组
rand_arr = np.random.rand(2, 2)  # 2x2的随机数数组，值在0到1之间
print("随机数组:\n", rand_arr)

NumPy数组的属性

创建数组后，了解其属性可以帮助你更好地管理和操作数据。以下是核心属性，每个都附有解释和示例。

常用属性

# 示例数组
arr = np.array([[1, 2, 3], [4, 5, 6]])

# shape：表示数组的形状（维度大小）
print("Shape（形状）:", arr.shape)  # 输出: (2, 3)，表示2行3列

# dtype：表示数组元素的数据类型
print("Data type（数据类型）:", arr.dtype)  # 输出: int64（默认整数类型）

# size：数组中元素的总数
print("Size（元素总数）:", arr.size)  # 输出: 6，因为2*3=6个元素

# ndim：数组的维数
print("Number of dimensions（维数）:", arr.ndim)  # 输出: 2，因为它是二维数组

# itemsize：每个元素占用的字节数
print("Item size（元素字节大小）:", arr.itemsize)  # 输出: 8（对于int64，每个元素8字节）

# nbytes：数组总字节数
print("Total bytes（总字节数）:", arr.nbytes)  # 输出: 48，因为6个元素 * 8字节 = 48字节

其他属性

# T：转置数组（交换行和列）
transposed_arr = arr.T
print("Transposed array（转置数组）:\n", transposed_arr)

# 对于复数数组：real和imag属性
complex_arr = np.array([1+2j, 3+4j])  # 创建复数数组
print("Real part（实部）:", complex_arr.real)  # 输出: [1. 3.]
print("Imaginary part（虚部）:", complex_arr.imag)  # 输出: [2. 4.]

总结

通过本教程，你应该掌握了NumPy数组（ndarray）的基本创建方法和核心属性。这是学习Python科学计算的第一步，后续可以探索更多数组操作和数学函数。练习这些示例，逐步提升技能！

如果需要进一步学习，建议查阅NumPy官方文档或尝试实际数据分析项目。