3.1 从 Python 列表和元组创建

3.1 从 Python 列表和元组创建

NumPy ndarray 创建：从 Python 列表和元组入手

NumPy 是 Python 中用于科学计算的核心库。它的主要对象是同构多维数组 ndarray，它是一个功能强大的数据结构，为高效的数值计算提供了基础。创建 ndarray 的方法有很多，其中最直接的方法之一就是使用 Python 的列表和元组。本章将深入探讨如何使用列表和元组创建 ndarray，并详细解释相关概念和实践。

3.1 从 Python 列表和元组创建 ndarray

3.1.1 基本概念

numpy.array() 函数是 NumPy 中创建 ndarray 的主要工具。它可以接受各种类型的输入，包括 Python 列表、元组、数组以及其他序列类型。当输入是列表或元组时，array() 函数会尝试将它们转换为一个 ndarray。

语法:

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

• object: 必需参数，表示要转换为数组的对象，可以是列表、元组或已有的数组。

• dtype: 可选参数，指定数组的数据类型。如果未指定，NumPy 会尝试自动推断数据类型。

• copy: 可选参数，默认为 True，表示是否复制对象。如果为 False，并且输入对象是 ndarray，则返回原始数组的视图，而不是复制。

• order: 可选参数，指定数组的存储顺序，可以是 'C'（行优先）或 'F'（列优先）。

• subok: 可选参数，如果为 True，则子类将被传递，否则返回的数组将被强制为基类数组。

• ndmin: 可选参数，指定结果数组的最小维数。

3.1.2 从列表创建 ndarray

从列表创建 ndarray 是最常见的用法之一。列表可以是一维的，也可以是多维的，NumPy 会根据列表的结构自动推断数组的形状。

示例 1：一维数组

import numpy as np
# 从一维列表创建数组
list1 = [1, 2, 3, 4, 5]
arr1 = np.array(list1)
print(arr1)
print(type(arr1))
print(arr1.shape)
print(arr1.dtype)
​

输出:

[1 2 3 4 5]
<class 'numpy.ndarray'>
(5,)
int64
​

解释:

• np.array(list1) 将 Python 列表 list1 转换为 NumPy 数组 arr1。

• type(arr1) 显示 arr1 的类型为 numpy.ndarray。

• arr1.shape 显示数组的形状为 (5,)，表示一个包含 5 个元素的一维数组。

• arr1.dtype 显示数组的数据类型为 int64，这是 NumPy 自动推断的整数类型。

示例 2：二维数组

import numpy as np
# 从二维列表创建数组
list2 = [[1, 2, 3], [4, 5, 6]]
arr2 = np.array(list2)
print(arr2)
print(arr2.shape)
print(arr2.dtype)
​

输出:

[[1 2 3]
 [4 5 6]]
(2, 3)
int64
​

解释:

• np.array(list2) 将二维列表 list2 转换为 NumPy 数组 arr2。

• arr2.shape 显示数组的形状为 (2, 3)，表示一个 2 行 3 列的二维数组。

示例 3：指定数据类型

import numpy as np
# 指定数据类型为 float32
list3 = [1, 2, 3, 4, 5]
arr3 = np.array(list3, dtype=np.float32)
print(arr3)
print(arr3.dtype)
​

输出:

[1. 2. 3. 4. 5.]
float32
​

解释:

• dtype=np.float32 强制将数组的数据类型设置为 32 位浮点数。

3.1.3 从元组创建 ndarray

与列表类似，也可以使用元组创建 ndarray。元组也可以是一维或多维的。

示例 1：一维数组

import numpy as np
# 从一维元组创建数组
tuple1 = (1, 2, 3, 4, 5)
arr4 = np.array(tuple1)
print(arr4)
print(arr4.shape)
print(arr4.dtype)
​

输出:

[1 2 3 4 5]
(5,)
int64
​

示例 2：二维数组

import numpy as np
# 从二维元组创建数组
tuple2 = ((1, 2, 3), (4, 5, 6))
arr5 = np.array(tuple2)
print(arr5)
print(arr5.shape)
print(arr5.dtype)
​

输出:

[[1 2 3]
 [4 5 6]]
(2, 3)
int64
​

示例 3：混合使用列表和元组

import numpy as np
# 混合使用列表和元组
mixed = [(1, 2, 3), [4, 5, 6]]
arr6 = np.array(mixed)
print(arr6)
print(arr6.shape)
print(arr6.dtype)
​

输出:

[[1 2 3]
 [4 5 6]]
(2, 3)
int64
​

解释:

• NumPy 可以处理混合使用列表和元组的情况，只要它们的结构一致。

3.1.4 不规则的列表或元组

如果列表或元组的结构不规则（例如，子列表的长度不一致），NumPy 会尝试创建一个对象数组，其中每个元素都是一个 Python 对象。

示例:

import numpy as np
# 不规则的列表
irregular_list = [[1, 2], [3, 4, 5]]
arr7 = np.array(irregular_list)
print(arr7)
print(arr7.shape)
print(arr7.dtype)
​

输出:

[list([1, 2]) list([3, 4, 5])]
(2,)
object
​

解释:

• 由于 irregular_list 的子列表长度不一致，NumPy 创建了一个形状为 (2,) 的对象数组，其中每个元素都是一个列表。

• dtype 为 object，表示数组存储的是 Python 对象。

3.1.5 使用 copy 参数

copy 参数控制是否复制输入对象。当 copy=False 且输入对象是 ndarray 时，返回的是原始数组的视图，而不是复制。

示例:

import numpy as np
# 创建一个数组
arr8 = np.array([1, 2, 3, 4, 5])
# 创建 arr8 的视图
arr9 = np.array(arr8, copy=False)
# 修改 arr8
arr8[0] = 100
print(arr8)
print(arr9)
​

输出:

[100   2   3   4   5]
[100   2   3   4   5]
​

解释:

• 由于 arr9 是 arr8 的视图，修改 arr8 会影响 arr9。

3.1.6 使用 ndmin 参数

ndmin 参数指定结果数组的最小维数。如果输入对象的维数小于 ndmin，则会在前面添加维度。

示例:

import numpy as np
# 指定最小维数为 2
list4 = [1, 2, 3, 4, 5]
arr10 = np.array(list4, ndmin=2)
print(arr10)
print(arr10.shape)
​

输出:

[[1 2 3 4 5]]
(1, 5)
​

解释:

• ndmin=2 确保数组至少是二维的。由于 list4 是一维的，NumPy 在前面添加了一个维度，使其形状变为 (1, 5)。

3.1.7 代码总结

import numpy as np
# 从列表创建
list_data = [1, 2, 3]
array_from_list = np.array(list_data)
# 从元组创建
tuple_data = (4, 5, 6)
array_from_tuple = np.array(tuple_data)
# 指定数据类型
array_float = np.array([1, 2, 3], dtype=np.float32)
# 多维数组
multi_dim_list = [[1, 2], [3, 4]]
array_multi_dim = np.array(multi_dim_list)
print("Array from list:", array_from_list)
print("Array from tuple:", array_from_tuple)
print("Array with float type:", array_float)
print("Multi-dimensional array:\n", array_multi_dim)
​

3.1.8 Mermaid 图示

以下是一个使用 Mermaid 绘制的流程图，展示了从 Python 列表或元组创建 ndarray 的过程：

解释:

• A: 开始

• B: 输入 Python 列表或元组

• C: 调用 numpy.array() 函数

• D: 检查是否指定了数据类型 (dtype)

• E: 使用指定的数据类型创建 ndarray

• F: 自动推断数据类型

• G: 创建 ndarray

• H: 返回 ndarray

• I: 结束

3.1.9 总结

使用 Python 列表和元组创建 NumPy 数组是一种简单而强大的方法。通过 numpy.array() 函数，可以轻松地将 Python 序列转换为高效的 NumPy 数组，并利用 NumPy 提供的各种功能进行数值计算。理解 dtype、copy 和 ndmin 等参数可以帮助你更好地控制数组的创建过程，从而满足不同的需求。