NumPy - Ndarray 对象

NumPy - ndarray 对象

NumPy 库的基石是 N 维数组，由 ndarray 类表示。ndarray 本质上是一个通用的容器，旨在高效地存储和操作大量同质数据（相同类型元素）的数据集。可以将其视为一个数值网格，所有数值都具有相同的数据类型，并通过一个非负整数元组进行索引。

ndarray 的主要特性：

• **同质类型：**所有元素必须是相同的数据类型（例如，全部为 int64 或全部为 float64）。这有助于优化存储和计算。
• **固定大小：**数组的大小（元素数量）在创建时是固定的。改变大小通常涉及创建一个新数组并复制数据。
• **高效操作：**数学和逻辑运算可以对整个数组执行（向量化），无需显式的 Python 循环，从而利用高度优化的 C 代码。
• **多维：**数组可以有多个维度（轴），允许表示向量（一维）、矩阵（二维）、张量（三维以上）。

每个 ndarray 都关联一个 数据类型对象（dtype），描述数组中存储的数据类型（例如，int32、float64、complex128）。数组中的每个元素都占用由 dtype 确定的固定大小的内存块。

当您访问 ndarray 中的单个元素时（例如，my_array[0, 0]），通常会得到一个 NumPy 标量对象（如 numpy.int64 或 numpy.float64）。这些对象与标准的 Python 类型（int、float）不同，但通常行为相似（“鸭子类型”）。

使用 numpy.array() 创建 ndarray 对象

创建 ndarray 的最基本方法是使用 numpy.array() 函数。它将各种输入数据结构（如 Python 列表、元组或其他类似数组的对象）转换为 NumPy 数组。

numpy.array(object, dtype=None, *, copy=True, order='K', subok=False, ndmin=0, like=None)

关键参数：

参数	描述
object	输入数据，通常是嵌套序列（列表或元组）或其他类似数组的对象。
dtype	可选。数组元素所需的数据类型（例如 np.float64、np.int32、np.bool_）。如果为 None，NumPy 会尝试推断最佳类型。
copy	可选。如果为 True（默认值），函数总是创建输入对象的一个新副本。如果为 False，只有在必要时才会创建副本（例如，如果输入本身不是正确 dtype 的 ndarray）。
order	可选。指定内存布局：‘C’（行主序，C 风格）、‘F’（列主序，Fortran 风格）、‘A’（任意，如果输入是 Fortran 连续的则为 Fortran 风格）、‘K’（保持输入的布局，默认值）。
subok	可选。如果为 False（默认值），返回的数组将是基类 ndarray。如果为 True，则子类（如 numpy.matrix）会直接通过。
ndmin	可选。指定结果数组应具有的最小维度数。必要时会在形状前添加轴。

让我们看一些创建示例：

示例 1：从列表创建一维数组

import numpy as np

# Create from a list of integers
a = np.array([1, 2, 3, 4])
print(f"Array: {a}")
print(f"Type: {type(a)}")
print(f"Data Type (dtype): {a.dtype}")

输出：

Array: [1 2 3 4]
Type: <class 'numpy.ndarray'>
Data Type (dtype): int64

示例 2：创建二维数组（矩阵）

import numpy as np

# Create from a list of lists
b = np.array([[1.5, 2.0, 3.0],
              [4.0, 5.0, 6.0]])
print(f"Array:\n{b}")
print(f"Data Type (dtype): {b.dtype}")
print(f"Shape: {b.shape}") # (rows, columns)
print(f"Dimensions: {b.ndim}")

输出：

Array:
[[1.5 2.  3. ]
 [4.  5.  6. ]]
Data Type (dtype): float64
Shape: (2, 3)
Dimensions: 2

示例 3：指定最小维度

import numpy as np

# Ensure the array is at least 2D
c = np.array([1, 2, 3], ndmin=2)
print(f"Array (ndmin=2):\n{c}")
print(f"Shape: {c.shape}")

输出：

Array (ndmin=2):
[[1 2 3]]
Shape: (1, 3)

示例 4：指定数据类型

import numpy as np

# Create an array with complex numbers
d = np.array([1, 2, 3], dtype=np.complex128)
print(f"Array (complex): {d}")
print(f"Data Type (dtype): {d.dtype}")

输出：

Array (complex): [1.+0.j 2.+0.j 3.+0.j]
Data Type (dtype): complex128

在内部，ndarray 管理着一块连续的计算机内存。索引方案将元素索引（如 [1, 2]）映射到该内存块中的特定位置。order 参数（‘C’ 或 ‘F’）影响多维数组元素在此线性内存块中的排列方式。

了解更多关于 ndarray 的信息，请参阅官方 ndarray 文档和 numpy.array 函数文档。