NumPy 入门教程：从基础到实战操作-CSDN博客

一、为什么学习 NumPy？

在数据科学与计算领域，高效处理大规模数值数据是核心需求。NumPy 作为 Python 的开源科学计算库，提供了强大的 N 维数组对象（Ndarray），能够直接对数组和矩阵进行操作，大幅减少循环语句的使用，配合丰富的数学函数，让数据处理代码更简洁、运行更高效。无论是数据分析、机器学习还是科学计算，NumPy 都是不可或缺的基础工具。

二、Ndarray 对象：NumPy 的核心

Ndarray 是 NumPy 中用于存储同类型元素的多维数组，以 0 下标为起始索引。它是 NumPy 高效处理数据的基础，相比 Python 原生列表，具有内存占用低、运算速度快的优势。

三、创建 Ndarray 数组的常用函数

1. `array()`：从序列创建数组

原型：numpy.array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0)
作用：将列表、元组等序列转换为 Ndarray 数组。
参数说明：

object：输入的序列（如列表、嵌套列表）；
dtype：指定数组元素的数据类型（可选）；
ndmin：指定数组的最小维度。
2. empty()：创建未初始化数组

原型：numpy.empty(shape, dtype=float, order='C')
作用：创建指定形状和数据类型的数组，元素值为内存中的随机值（未初始化）。
参数说明：
shape：数组形状（如(3, 2)表示 3 行 2 列）；
order：内存存储顺序（'C'为行优先，'F'为列优先）。
3. zeros()：创建全 0 数组

原型：numpy.zeros(shape, dtype=float, order='C')
作用：创建指定形状的数组，所有元素初始化为 0。
4. ones()：创建全 1 数组

原型：numpy.ones(shape, dtype=None, order='C')
作用：创建指定形状的数组，所有元素初始化为 1。
5. full()：创建指定值填充的数组

原型：numpy.full(shape, fill_value, dtype=None, order='C')
作用：创建指定形状的数组，所有元素填充为fill_value。
6. eye()：创建单位矩阵

原型：numpy.eye(N, M=None, k=0, dtype=float, order='C')
作用：创建对角线为 1、其余元素为 0 的矩阵（单位矩阵）。
7. arange()：创建等差数列

原型：numpy.arange([start, ]stop, [step, ]dtype=None)
作用：生成一个由等差数列构成的一维数组（类似 Python 的range，但返回数组）。
8. linspace()：创建等间隔数列

原型：numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
作用：在[start, stop]范围内生成num个等间隔的元素。
9. 随机数生成函数

NumPy 的random模块提供了多种生成随机数的函数，常用的有：
rand()：生成[0, 1)之间的随机数；
random()：生成[0, 1)之间的随机数（仅支持一维数组）；
randint()：生成指定范围的整数随机数；
randn()：生成符合标准正态分布（均值 0，标准差 1）的随机数；
normal()：生成符合高斯分布的随机数。

三、Ndarray 数组的属性

通过数组的属性可以快速了解其维度、大小等信息，常用属性如下：

属性	说明
`ndim`	数组的维度（秩）
`shape`	数组的形状（如`(n, m)`表示 n 行 m 列）
`size`	数组元素的总个数（`n*m`）
`dtype`	元素的数据类型
`itemsize`	每个元素占用的字节数