2.1 ndarray 核心概念与数组创建

2.1 ndarray 核心概念与数组创建

本节摘要：ndarray 是 NumPy 的核心数据结构，一个同质、连续内存的多维数组。本节先讲清它为什么比 Python 列表快一个量级，再系统掌握 array、zeros、ones、arange、linspace、random 等创建方法，最后用贯穿案例创建一份订单金额数组。

先说结论

阅读完本节，你应当能够：

1. 解释 ndarray 的"同质"与"连续内存"两个特性及其性能含义
2. 说出 shape、dtype、ndim、size 四个属性的含义
3. 用 array、zeros、ones、full 创建指定结构与数值的数组
4. 用 arange、linspace 生成等差与等间隔序列
5. 用 random 模块生成随机数组，并设置随机种子复现结果

一、问题与直觉

Python 自带的列表很好用，什么都能装：整数、字符串、列表套列表。但处理十万个订单金额时，用列表做一次整体求和，速度慢得让人怀疑人生。原因藏在实现里：列表里存的是对象的引用，每个元素都是独立的 Python 对象，分散在内存各处，计算时要逐个"解引用"。

NumPy 换了个思路：数组里所有元素必须是同一种类型，并且连续地排在一块内存里。这就好比把散落各处的零件集中装进一个标准化货柜——计算时 CPU 可以直接成块搬运，而不必一个个找。这就是 ndarray 快的根本。

二、核心原理

2.1 ndarray 的内部结构

创建方式可以按用途归成五类，先看全貌再逐个学：

ndarray 内存布局标注图

数组对象由两部分组成：元数据（shape 形状、dtype 元素类型、ndim 维数、size 元素总数）和数据缓冲区（实际数值的连续内存块）。理解 shape 和 dtype 是理解一切数组操作的前提。

• shape：各维度的大小。(2, 3) 表示 2 行 3 列，(100,) 表示一维 100 个元素
• dtype：元素类型。int64、float64、bool 等，决定每个元素占多少字节
• ndim：维数，即 shape 的长度。标量 0 维、向量 1 维、矩阵 2 维
• size：元素总数，等于 shape 各维相乘

2.2 为什么必须"同质"

同质意味着每个元素占的字节数一样，CPU 可以按固定步长顺序扫描整块内存，SIMD 指令还能一次处理多个元素。如果允许混合类型，就得退回"逐个解引用"的老路。代价是：想往 float 数组里塞字符串会直接报错——这是特性不是缺陷。

三、工程实践要点

3.1 从列表创建数组

import numpy as np

# 一维数组
arr1 = np.array([199.0, 89.5, 399.0])

# 二维数组（2 行 3 列）
arr2 = np.array([[1, 2, 3], [4, 5, 6]])

# 指定元素类型
arr3 = np.array([1, 2, 3], dtype=np.float64)
​

⚠️ 常见坑：列表里混着整数和字符串时，NumPy 会"向下兼容"成字符串数组，np.array([1, "2"]) 的结果是字符串数组，求和会报错。创建前先确认元素类型一致。

3.2 创建特定结构的数组

np.zeros((2, 3))     # 全 0，2 行 3 列
np.ones((3, 2))      # 全 1，3 行 2 列
np.full((2, 2), 7)   # 全部填 7
np.empty((2, 2))     # 未初始化内存（快，但内容不可预期，慎用）
​

3.3 生成序列与随机数组

np.arange(0, 10, 2)      # 等差数列: [0 2 4 6 8]
np.linspace(0, 1, 5)     # 等间隔 5 个数: [0 0.25 0.5 0.75 1]
np.random.rand(2, 3)     # [0,1) 均匀分布，2 行 3 列
np.random.randn(3, 3)    # 标准正态分布
np.random.randint(1, 100, size=10)  # [1,100) 随机整数
​

💡 关键直觉：arange 是"步长型"（指定起点、终点、步长），linspace 是"个数型"（指定起点、终点、个数）。画图坐标轴常用 linspace，因为它能精确控制取多少个点。

3.4 随机种子：让结果可复现

np.random.seed(42)
a = np.random.rand(3)
np.random.seed(42)
b = np.random.rand(3)   # a 与 b 完全相同
​

数据分析里"随机"必须可控。设了同样的种子，随机数序列就完全一样，别人能复现你的实验结果。

3.5 创建方法的选型对照

3.6 贯穿案例：创建订单金额数组

回到电商场景，把某天 10 笔订单的金额建成数组，顺便看一眼它的属性：

import numpy as np

np.random.seed(2026)
# 模拟 10 笔订单金额，200 到 500 元之间
amounts = np.random.randint(200, 500, size=10)

print("金额:", amounts)
print("形状 shape:", amounts.shape)
print("类型 dtype:", amounts.dtype)
print("元素总数 size:", amounts.size)
print("总销售额:", amounts.sum())
​

输出里能看到形状 (10,)、类型 int64、总和等关键信息。数组已经建好，下一节我们学怎么从里面精确取数。

3.7 二维数组的创建细节

数据分析里二维数组（表）比一维更常见。创建时最容易错的是"行与列的先后"：

# 3 行 4 列
m = np.arange(12).reshape(3, 4)

# 随机 2 行 3 列
r = np.random.rand(2, 3)

# 单位矩阵
eye = np.eye(3)
​

⚠️ 常见坑：np.random.rand(2, 3) 是 2 行 3 列，但 np.random.randint(1, 10, size=(2, 3)) 的 size 元组也是 (行, 列)——两种写法维度顺序一致，都是"行在前、列在后"，别被混用搞晕。shape 输出 (2, 3) 时读作"2 行 3 列"。

3.8 数据类型的选择

创建数组时，dtype 的选择直接影响内存和精度：

金额、价格这类需要精度的用 float64 最省心；大规模数据才考虑降级。创建时显式传 dtype，能避免"自动推断结果不是想要的类型"这类隐蔽问题。

3.9 数组与列表的核心差异

这五条差异解释了本书反复强调的"能数组就别列表"。特别是最后一条——列表切片是复制、数组切片是视图，修改行为完全不同，第 2 章后面会重点讲。

重点提炼

• 要点一：ndarray 同质且内存连续，是它比列表快一个量级的根本原因
• 要点二：shape 管形状、dtype 管类型、ndim 管维数、size 管总数，四个属性先看 shape
• 要点三：创建数组四件套——array 转、zeros/ones/full 造、arange/linspace 排、random 随
• 要点四：arange 按步长、linspace 按个数，画图坐标用后者更稳
• 要点五：np.random.seed() 让随机结果可复现，实验必设
• 要点六：创建时注意元素同质，混类型会被悄悄转成字符串数组

数组建好了，下一步就是取数——下一节我们把索引、切片、花式索引和布尔索引四种取法一次讲透。