说明：文章所有内容均截选自用户“huhuhang”发布在实验楼上的教程【Numpy 使用教程】，如果对Numpy感兴趣的可以点击教程查看完整教程；未经允许，禁止转载~
如果你使用 Python 语言进行科学计算，那么一定会接触到 Numpy。Numpy 是支持 Python 语言的数值计算扩充库，其拥有强大的高维度数组处理与矩阵运算能力。除此之外，Numpy 还内建了大量的函数，方便你快速构建数学模型。
Numpy 多维数组
1 ndarray 介绍
在 python 内建对象中，数组有三种形式：
-
list列表：[1, 2, 3] -
Tuple元组：(1, 2, 3, 4, 5) -
Dict字典：{A:1, B:2}
其中，元组与列表相似，不同之处在于元组的元素不能修改。而字典由键和值构成。
python 标准类针对数组的处理局限于 1 维，并仅提供少量的功能。
而 Numpy 最核心且最重要的一个特性就是 ndarray 多维数组对象，它区别于 python 的标准类，拥有对高维数组的处理能力，这也是数值计算过程中缺一不可的重要特性。
Numpy 中，ndarray 类具有六个参数，它们分别为：
-
shape：数组的形状。 -
dtype：数据类型。 -
buffer：对象暴露缓冲区接口。 -
offset：数组数据的偏移量。 -
strides：数据步长。 -
order：{'C'，'F'}，以行或列为主排列顺序。
下面，我们来了解创建 ndarray 的一些方法。在 numpy 中，我们主要通过以下 5 种途径创建数组，它们分别是：
- 从 Python 数组结构列表，元组等转换。
- 使用 np.arange、np.ones、np.zeros 等 numpy 原生方法。
- 从存储空间读取数组。
- 通过使用字符串或缓冲区从原始字节创建数组。
- 使用特殊函数，如 random。
2 从列表或元组转换
在 numpy 中，我们使用 numpy.array 将列表或元组转换为 ndarray 数组。其方法为：
numpy.array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)
其中，参数：
-
object：列表、元组等。 -
dtype：数据类型。如果未给出，则类型为被保存对象所需的最小类型。 -
copy：布尔来写，默认 True，表示复制对象。 -
order：顺序。 -
subok：布尔类型，表示子类是否被传递。 -
ndmin：生成的数组应具有的最小维数。
下面，通过列表创建一个 ndarray 数组：
import numpy as np
np.array([[[1, 2, 3],[1, 2, 3],[1, 2, 3]],[[1, 2, 3],[1, 2, 3],[1, 2, 3]],[[1, 2, 3],[1, 2, 3],[1, 2, 3]]])
或者是列表和元组：
import numpy as np
np.array([(1,2),(3,4),(5,6)])
3 arange 方法创建
除了直接使用 array 方法创建 ndarray，在 numpy 中还有一些方法可以创建一些有规律性的多维数。首先，我们来看一看 arange()。arange() 的功能是在给定区间内创建一系列均匀间隔的值。方法如下：
numpy.arange(start, stop, step, dtype=None)
你需要先设置值所在的区间，这里为 ``[开始， 停止），你应该能发现这是一个半开半闭区间。然后，在设置step步长用于设置值之间的间隔。最后的可选参数dtype 可以设置返回 ndarray` 的值类型。
举个例子：
import numpy as np
# 在区间 [3, 7) 中以 0.5 为步长新建数组
np.arange(3, 7, 0.5, dtype=float32)
4 linspace 方法创建
linspace方法也可以像arange方法一样，创建数值有规律的数组。linspace 用于在指定的区间内返回间隔均匀的值。其方法如下：
numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
-
start：序列的起始值。 -
stop：序列的结束值。 -
num：生成的样本数。默认值为50。 -
endpoint：布尔值，如果为真，则最后一个样本包含在序列内。 -
retstep：布尔值，如果为真，返回间距。 -
dtype：数组的类型。
举个例子：
import numpy as np
np.linspace(0, 10, 10, endpoint=True)
np.linspace(0, 10, 10, endpoint=False)
5 ones 方法创建
numpy.ones 用于快速创建数值全部为 1 的多维数组。其方法如下：
numpy.ones(shape, dtype=None, order='C')
其中：
-
shape：用于指定数组形状，例如（1， 2）或 3。 -
dtype：数据类型。 -
order：{'C'，'F'}，按行或列方式储存数组。
举个例子：
import numpy as np
np.ones((2,3))
6 zeros 方法创建
zeros 方法和上面的 ones 方法非常相似，不同的地方在于，这里全部填充为 0。zeros 方法和 ones 是一致的。
numpy.zeros(shape, dtype=None, order='C')
其中：
-
shape：用于指定数组形状，例如（1， 2）或3。 -
dtype：数据类型。 -
order：{'C'，'F'}，按行或列方式储存数组。
举个例子：
import numpy as np
np.zeros((3,2))
7 eye 方法创建
numpy.eye 用于创建一个二维数组，其特点是k 对角线上的值为 1，其余值全部为0。方法如下：
numpy.eye(N, M=None, k=0, dtype=)
其中：
-
N：输出数组的行数。 -
M：输出数组的列数。 -
k：对角线索引：0（默认）是指主对角线，正值是指上对角线，负值是指下对角线。
举个例子：
import numpy as np
np.eye(5, 4, 3)
8 从已知数据创建
我们还可以从已知数据文件、函数中创建 ndarray。numpy 提供了下面 5 个方法：
-
frombuffer（buffer）：将缓冲区转换为 1 维数组。 -
fromfile（file，dtype，count，sep）：从文本或二进制文件中构建多维数组。 -
fromfunction（function，shape）：通过函数返回值来创建多维数组。 -
fromiter（iterable，dtype，count）：从可迭代对象创建 1 维数组。 -
fromstring（string，dtype，count，sep）：从字符串中创建 1 维数组。
举个例子：
import numpy as np
np.fromfunction(lambda a, b: a + b, (5, 4))
最后：
文章所有内容均截选自实验楼教程【Numpy 使用教程】，该教程总共5节内容：
- Numpy 安装及数值类型介绍
- Numpy 多维数组创建及属性
- Numpy 数组操作及随机抽样
- Numpy 数学函数及代数运算
- Numpy 数组索引及其他用法
如果你对Numpy感兴趣，点击教程即可学习完整教程哦~