第三章：ndarray 的创建

第三章：ndarray 的创建

NumPy 的核心是 ndarray（n-dimensional array object），它是一个高效的多维数组容器，用于存储和处理数值数据。要使用 NumPy，首先需要创建 ndarray 对象。本章将深入探讨创建 ndarray 的各种方法。

3.1 从 Python 列表或元组创建

这是最基本也是最常用的创建 ndarray 的方法。

代码实践：

import numpy as np
# 从 Python 列表创建
list_data = [1, 2, 3, 4, 5]
arr_from_list = np.array(list_data)
print("From List:\n", arr_from_list)
print("Data Type:", arr_from_list.dtype)  # 默认数据类型
# 从 Python 元组创建
tuple_data = (6, 7, 8, 9, 10)
arr_from_tuple = np.array(tuple_data)
print("\nFrom Tuple:\n", arr_from_tuple)
# 创建二维数组
list_of_lists = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
arr_2d = np.array(list_of_lists)
print("\n2D Array:\n", arr_2d)
# 指定数据类型
arr_float = np.array(list_data, dtype=np.float64)
print("\nFloat Array:\n", arr_float)
print("Data Type:", arr_float.dtype)
# 不同长度的列表将创建object类型的ndarray
list_of_lists_diff_len = [[1, 2, 3], [4, 5], [7, 8, 9, 10]]
arr_diff_len = np.array(list_of_lists_diff_len)
print("\nArray with different length lists:\n", arr_diff_len)
print("Data Type:", arr_diff_len.dtype)
​

内容详解：

• np.array() 函数接受一个列表或元组作为输入，并尝试创建一个新的 ndarray。

• NumPy 会自动推断数组的数据类型，但也可以使用 dtype 参数显式指定。

• 当创建多维数组时，输入必须是具有相同长度的列表的列表（或元组的元组）。否则，NumPy 会创建一个包含 Python 对象（例如列表）的 ndarray，这通常不是期望的行为，并且会降低性能。

Graph TD 图示：

3.2 使用 NumPy 内置函数创建

NumPy 提供了许多内置函数，用于创建具有特定形状和初始值的 ndarray。

代码实践：

import numpy as np
# 创建全零数组
zeros_arr = np.zeros((3, 4))  # 3 行 4 列
print("Zeros Array:\n", zeros_arr)
# 创建全一数组
ones_arr = np.ones((2, 3), dtype=np.int32)
print("\nOnes Array:\n", ones_arr)
# 创建未初始化数组 (值是内存中的随机值)
empty_arr = np.empty((2, 2))
print("\nEmpty Array:\n", empty_arr)
# 创建单位矩阵
identity_matrix = np.eye(3)
print("\nIdentity Matrix:\n", identity_matrix)
# 创建对角矩阵
diag_matrix = np.diag([1, 2, 3])
print("\nDiagonal Matrix:\n", diag_matrix)
​

内容详解：

• np.zeros(shape) 创建一个给定形状的全零数组。

• np.ones(shape) 创建一个给定形状的全一数组。

• np.empty(shape) 创建一个给定形状的未初始化数组。这些数组的值是内存中的随机值，因此在使用前需要小心。

• np.eye(N) 创建一个 N x N 的单位矩阵（对角线为 1，其余为 0）。

• np.diag(v) 创建一个对角矩阵，其中对角线上的元素是 v 中的元素。

Graph TD 图示：

3.3 使用 arange 和 linspace 创建数值序列

arange 和 linspace 函数用于创建等间隔的数值序列。

代码实践：

import numpy as np
# 使用 arange 创建
arr_arange = np.arange(10)  # 0 到 9
print("Arange Array:\n", arr_arange)
arr_arange_step = np.arange(0, 20, 2)  # 0 到 18，步长为 2
print("\nArange Array with Step:\n", arr_arange_step)
# 使用 linspace 创建
arr_linspace = np.linspace(0, 1, 5)  # 0 到 1，包含 5 个等间隔的数
print("\nLinspace Array:\n", arr_linspace)
​

内容详解：

• np.arange(start, stop, step) 创建一个从 start 到 stop（不包含）的数组，步长为 step。如果只提供一个参数，则默认为 stop，start 为 0，step 为 1。

• np.linspace(start, stop, num) 创建一个从 start 到 stop（包含）的数组，包含 num 个等间隔的数。

Graph TD 图示：

3.4 使用随机数生成函数创建

NumPy 的 random 模块提供了各种随机数生成函数，用于创建包含随机数的 ndarray。

代码实践：

import numpy as np
# 创建 0 到 1 之间的随机数数组
rand_arr = np.random.rand(2, 3)  # 2 行 3 列
print("Random Array (0-1):\n", rand_arr)
# 创建服从标准正态分布的随机数数组
randn_arr = np.random.randn(3, 3)
print("\nRandom Array (Normal Distribution):\n", randn_arr)
# 创建指定范围内的随机整数数组
randint_arr = np.random.randint(1, 10, size=(2, 4))  # 1 到 9 之间的整数
print("\nRandom Integer Array:\n", randint_arr)
​

内容详解：

• np.random.rand(shape) 创建一个给定形状的数组，其中包含 0 到 1 之间的均匀分布的随机数。

• np.random.randn(shape) 创建一个给定形状的数组，其中包含服从标准正态分布（均值为 0，标准差为 1）的随机数。

• np.random.randint(low, high, size) 创建一个给定形状的数组，其中包含 low（包含）到 high（不包含）之间的随机整数。

Graph TD 图示：

3.5 从已有的数组创建

可以通过复制或转换已有的数组来创建新的 ndarray。

代码实践：

import numpy as np
# 从已有的数组创建
existing_arr = np.array([1, 2, 3, 4, 5])
# 复制数组
copied_arr = np.copy(existing_arr)
print("Copied Array:\n", copied_arr)
# 转换数组类型
float_arr = existing_arr.astype(np.float64)
print("\nFloat Array:\n", float_arr)
# 改变数组形状
reshaped_arr = existing_arr.reshape((5, 1))
print("\nReshaped Array:\n", reshaped_arr)
​

内容详解：

• np.copy(arr) 创建一个数组的深拷贝。修改拷贝后的数组不会影响原始数组。

• arr.astype(dtype) 创建一个具有指定数据类型的新数组。

• arr.reshape(shape) 创建一个具有新形状的新数组，但不改变原始数组的数据。

Graph TD 图示：

3.6 从文件中读取数据创建

NumPy 提供了函数用于从文件中读取数据并创建 ndarray。

代码实践：

import numpy as np
# 创建一个示例数据文件
data = np.array([[1, 2, 3], [4, 5, 6]])
np.savetxt('data.txt', data, delimiter=',')
# 从文件中读取数据
loaded_data = np.loadtxt('data.txt', delimiter=',')
print("Loaded Data:\n", loaded_data)
​

内容详解：

• np.loadtxt(filename, delimiter) 从文本文件中加载数据，delimiter 指定分隔符。

• np.savetxt(filename, array, delimiter) 将数组保存到文本文件中。

Graph TD 图示：

3.7 总结

本章介绍了创建 ndarray 的各种方法，包括从 Python 列表或元组创建、使用 NumPy 内置函数创建、使用 arange 和 linspace 创建数值序列、使用随机数生成函数创建、从已有的数组创建以及从文件中读取数据创建。选择哪种方法取决于具体的需求和数据来源。 掌握这些方法对于高效地使用 NumPy 进行数值计算至关重要。