下载掌阅APP，畅读海量书库
立即打开
NumPy最重要的一个特点是其N维数组对象ndarray，它是一系列同类型数据的集合，以0下标为开始进行集合中元素的索引。每个数组都有一个shape（表示各维度大小的元组）和一个dtype（用于说明数组数据类型的对象），如代码清单3-2所示。
代码运行结果如下：
创建ndarray对象只需调用NumPy的array函数即可：numpy.array(object, dtype=None,copy=True, order=None, subok=False, ndmin=0)。
各参数说明详见表3-1。
表3-1 创建ndarray对象的各参数说明
NumPy数组的维数称为秩（rank），秩就是轴的数量，一维数组的秩为1，二维数组的秩为2，依此类推。在NumPy中，每一个线性的数组称为一个轴（axis），即维度（dimension）。例如，二维数组相当于2个一维数组，其中第一个一维数组中每个元素又是1个一维数组。所以一维数组就是NumPy中的轴（axis），第一个轴相当于底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。
很多时候可以声明axis。axis=0，表示沿着第0轴进行操作，即对每一列进行操作；axis=1，表示沿着第1轴进行操作，即对每一行进行操作（图3-1）。
图3-1 axis坐标参数示意图
NumPy数组中还有一些比较重要的ndarray对象，其属性见表3-2。
表3-2 NumPy数组重要ndarray对象属性
代码清单3-3为一个基本操作示例。
示例的代码中，np.arange函数用于创建等差数组，使用频率非常高，arange非常类似Python中的range函数，两者的区别仅在于arange返回的是一个数组，而range返回的是list。示例代码创建了一个从0到23的一维数组，可以写为np.arange（0, 24, 1），其中0为最小值，24为最大值（不包含），1为步长。使用reshape（行，列）函数对生成的等差一维数组进行重塑，得到一个三维数组。代码运行结果如下：
Ndarray数组除了可以使用底层Ndarray构造器来创建外，还可以通过以下方式。
1）用numpy.empty创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组，命令格式为： numpy . empty (shape, dtype =float, order = 'C' )。其中，shape为数组形状；dtype为数据类型；order指在计算机内存中存储元素的顺序，有C和F两个选项，分别代表行优先和列优先。
2）用numpy.zeros创建指定大小的数组，数组元素用0填充，命令格式为： numpy . zeros (shape, dtype =float, order = 'C' )。参数含义同numpy.empty。
3）用numpy.ones创建指定形状的数组，数组元素用1填充，命令格式为： numpy . ones (shape, dtype =float, order = 'C' )。参数含义同numpy.empty。
具体使用方法如代码清单3-4所示。
代码运行结果如下：
其中empty方法的数组元素为随机值，因为它们未初始化。
Ndarray数组还可以通过如下3种方法从其他数据类型转化而来。
1）用numpy.asarray将其他数据类型转换为ndarray，命令格式为： numpy . asarray (a,dtype= None , order= None )。其中，a为任意形式的输入参数，可以是列表、列表的元组、元组、元组的元组、元组的列表、多维数组；dtype为数据类型；order为在计算机内存中存储元素的顺序，有C和F两个选项，分别代表行优先和列优先。
2）用numpy.frombuffer实现动态数组，接受buffer输入参数，以流的形式读入转化成ndarray对象，命令格式为：numpy. frombuffer (buffer, dtype=float, count=- 1 , offset= 0 )。其中，buffer可以是任意对象，会以流的形式读入；dtype为返回数组的数据类型；count为读取的数据数量，默认为-1，读取所有数据；offset为读取的起始位置，默认为0。
3）用numpy.fromiter从可迭代对象中建立ndarray对象，返回一维数组，命令格式为： numpy . fromiter (iterable, dtype, count=- 1 )。其中，iterable是可迭代对象；dtype为返回数组的数据类型；count是读取的数据数量，默认为-1，读取所有数据。
从已有数组创建NumPy数组具体使用方法如代码清单3-5所示。
代码运行结果如下：
[1. 2. 3.]
[b'H' b'e' b'l' b'l' b'o' b' ' b'W' b'o' b'r' b'l' b'd']
[0. 1. 2. 3. 4.]
其中，frombuffer方法的参数buffer是字符串的时候，Python3默认“str”为Unicode类型，所以要转成bytestring需要在原“str”前加上“b”。
主要使用如下3种方法。
1）用numpy.arange创建数值范围并返回ndarray对象，命令格式为： numpy . arange (start,stop, step, dtype)。其中，start为起始值，默认为0；stop为终止值（不包含）；step为步长，默认值为1；dtype返回ndarray的数据类型，如果没有提供，则会使用输入数据的类型。
2）用numpy.linspace创建一个一维数组，当数组是等差数列构成时，命令格式为： numpy . linspace (start, stop, num= 50 , endpoint= True , retstep= False , dtype= None )。其中，start为序列的起始值；stop为序列的终止值；num表示要生成的等步长样本数量，默认值为50；endpoint的值默认为True，且当endpoint为True时数列中包含stop值，否则不包含；retstep的值如果为True，生成的数组中会显示间距，否则不显示；dtype表示ndarray的数据类型。
3）用numpy.logspace创建一个等比数列，命令基本格式为： numpy . logspace (start, stop,num= 50 , endpoint= True , base= 10.0 , dtype= None )。其中，start为序列的起始值（base**start）；stop为序列的终止值（base**stop）；num为要生成的等步长的样本数量，默认值为50；endpoint的值默认为True，且当endpoint为True时，数列中包含stop值，否则不包含；base为对数log的底数；dtype表示ndarray对象的数据类型。
具体使用方法如代码清单3-6所示。
其中，arange方法的起始值为10，终止值为20，步长为2；linspace方法起始点为10，终止点为22，数列个数为6，不包含终止点；logspace方法将对数的底数设置为2，从0次幂开始，直到9次幂，共10个数值，代码运行结果如下：
Ndarray对象的内容可以通过索引或切片来访问和修改，与Python中list的切片操作一样。Ndarray数组可以基于0到N的下标进行索引，切片对象可以通过内置的slice函数，设置start、stop及step参数，从原数组中切割出一个新数组。使用方法如代码清单3-7所示。
在代码清单3-7中，首先通过arange函数创建ndarray对象。然后，设置切片的起始、终止和步长参数分别为2、10和2，也可以通过冒号分隔切片参数[start:stop:step]进行切片操作。如果只放置一个参数，为[2]，表示将返回与该索引相对应的单个元素；为[2:]，表示该索引开始以后的所有项都将被提取；如果使用2个参数，如[2:7]，则提取2个索引（不包括停止索引）之间的项。多维数组同样适用上述索引提取方法，但要注意，维度之间使用逗号区分。代码运行结果如下：
