numpy之多维数组的创建全过程

1. 概述

numpy是Python中重要的计算库之一，它提供了很多高效的多维数组操作功能。本文将详细介绍numpy多维数组的创建过程，从创建数组的各种方法开始，到对数组的切片、索引、扩展等操作，对多维数组的各种应用场景进行介绍，让你对numpy多维数组操作有更深入的了解。

2. numpy多维数组的创建方法

2.1. 使用numpy.array()方法创建数组

使用numpy.array()方法可以从Python的list或者tuple对象中创建数组。

import numpy as np
arr1 = np.array([1, 2, 3, 4, 5])
print(arr1)
arr2 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr2)

从上面的代码可以看出，数组的每一个元素必须是同一类型的。在上面的例子中，所有元素都是整数类型。

2.2. 使用numpy.arange()方法创建数组

使用numpy.arange()方法可以创建一个数组，其中的元素是在一个范围内按指定步长连续排列的。下面的代码会创建一个数组，其中包含从1到11（不包括11）的整数，步长为2：

arr = np.arange(1, 11, 2)
print(arr)

输出结果为：

array([1, 3, 5, 7, 9])

注意，arange()方法创建的数组不包括end参数的值。

2.3. 使用numpy.zeros()方法创建数组

通过numpy.zeros()方法可以创建一个数组，其中的元素全部为0。可以通过shape参数指定数组的维度（可以是一个整数或者一个元组）：

arr1 = np.zeros(5)
print(arr1)
arr2 = np.zeros((3, 4))
print(arr2) 

输出结果为：

array([0., 0., 0., 0., 0.])

array([[0., 0., 0., 0.],
       [0., 0., 0., 0.],
       [0., 0., 0., 0.]])

2.4. 使用numpy.ones()方法创建数组

通过numpy.ones()方法可以创建一个数组，其中的元素全部为1。同样可以通过shape参数指定数组的维度（可以是一个整数或者一个元组）：

arr1 = np.ones(5)
print(arr1)
arr2 = np.ones((3, 4))
print(arr2) 

输出结果为：

array([1., 1., 1., 1., 1.])

array([[1., 1., 1., 1.],
       [1., 1., 1., 1.],
       [1., 1., 1., 1.]])

2.5. 使用numpy.eye()方法创建数组

numpy.eye(N,M=None,k=0,dtype=) 方法用于返回一个二维数组，其中主对角线元素为1，其余元素为0。

arr1 = np.eye(3)
print(arr1)
arr2 = np.eye(3, k=1)
print(arr2)
arr3 = np.eye(3, k=-1)
print(arr3)

输出结果为：

array([[1., 0., 0.],

       [0., 1., 0.],
       [0., 0., 1.]])
array([[0., 1., 0.],
       [0., 0., 1.],
       [0., 0., 0.]])
array([[0., 0., 0.],
       [1., 0., 0.],
       [0., 1., 0.]])

2.6. 使用numpy.linspace()方法创建数组

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None) 方法用于在指定的间隔内返回均匀间隔的数字。

arr = np.linspace(0, 10, num=4, endpoint=True)
print(arr)

输出结果为：

array([ 0., 3.33333333, 6.66666667, 10.])

3. numpy多维数组的切片和索引

numpy中的多维数组可以通过切片和索引访问其中的元素。

3.1. 切片操作

使用切片可以访问数组中的某个区间内的元素。

arr = np.array([1, 2, 3, 4, 5])
sub_arr = arr[1:4] # 获取索引为1到3的元素
print(sub_arr)

输出结果为：

array([2, 3, 4])

如果要访问多维数组中的某个区间，需要使用类似于下面的代码：

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
sub_arr = arr[0:2, 1:3] # 获取第0到1行，第1到2列的元素
print(sub_arr)

输出结果为：

array([[2, 3],

       [5, 6]])

3.2. 索引操作

除了切片操作外，还可以使用索引操作访问数组中的元素。

arr = np.array([1, 2, 3, 4, 5])
print(arr[1]) # 获取索引为1的元素
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr[1, 1]) # 获取第1行第1列的元素

输出结果为：

2

5

4. numpy多维数组的扩展和合并

numpy提供了多种方法可以扩展、合并多维数组。

4.1. 使用numpy.append()方法在数组末尾添加元素

可以使用numpy.append()方法在数组的末尾添加元素，例如：

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr3 = np.append(arr1, arr2)
print(arr3)

输出结果为：

array([1, 2, 3, 4, 5, 6])

4.2. 使用numpy.concatenate()方法按指定维度合并数组

numpy中的concatenate()方法用于沿指定轴连接相同形状的两个或多个数组。例如，可以使用下面的代码将两个一维数组合并为一个：

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
arr3 = np.concatenate((arr1, arr2))
print(arr3)

输出结果为：

array([1, 2, 3, 4, 5, 6])

可以使用axis参数指定沿哪个轴进行连接，例如，可以按行或列连接多个二维数组：

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6]])
arr3 = np.concatenate((arr1, arr2), axis=0) # 沿行进行连接
print(arr3)
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5], [6]])
arr3 = np.concatenate((arr1, arr2), axis=1) # 沿列进行连接
print(arr3)

输出结果为：

array([[1, 2],

       [3, 4],
       [5, 6]])
array([[1, 2, 5],
       [3, 4, 6]])

5. numpy多维数组的计算

numpy中的多维数组可以进行各种计算操作，例如加、减、乘、除等。

5.1. 加法操作

可以使用numpy.add()方法实现数组的加法操作。

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
arr3 = np.add(arr1, arr2)
print(arr3)

输出结果为：

array([[ 6,  8],

       [10, 12]])

5.2. 减法操作

可以使用numpy.subtract()方法实现数组的减法操作。

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
arr3 = np.subtract(arr1, arr2)
print(arr3)

输出结果为：

array([[-4, -4],

       [-4, -4]])

5.3. 乘法操作

可以使用numpy.multiply()方法实现数组的乘法操作。

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
arr3 = np.multiply(arr1, arr2)
print(arr3)

输出结果为：

array([[ 5, 12],

       [21, 32]])

5.4. 除法操作

可以使用numpy.divide()方法实现数组的除法操作。

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
arr3 = np.divide(arr1, arr2, out=np.zeros_like(arr1), where=arr2!=0)
print(arr3)

输出结果为：

array([[0.2       , 0.33333333],

       [0.42857143, 0.5       ]])

注意，在除数为0的情况下，上面的代码会生成NaN或inf元素。可以使用out和where参数来解决这个问题。

6. numpy多维数组的高级操作

numpy提供了很多高级操作可以帮助你更灵活的处理多维数组。

6.1. 使用numpy.reshape()方法重塑数组

使用numpy.reshape()方法可以重塑多维数组。例如，可以将一个一维数组重塑为一个二维数组：

arr1 = np.array([1, 2, 3, 4, 5, 6])
arr2 = np.reshape(arr1, (2, 3))
print(arr2)

输出结果为：

array([[1, 2, 3],

       [4, 5, 6]])

6.2. 使用numpy.transpose()方法转置数组

使用numpy.transpose()方法可以将数组进行转置。例如：

arr1 = np.array([[1, 2, 3], [4, 5, 6]])
arr2 = np.transpose(arr1)
print(arr2)

输出结果为：

array([[1, 4],

       [2, 5],
       [3, 6]])

6.3. 使用numpy.sort()方法对数组进行排序

使用numpy.sort()方法可以对数组进行排序。例如：

arr = np.array([3, 1, 4, 2, 5])
sorted_arr = np.sort(arr)
print(sorted_arr)

输出结果为：

array([1, 2, 3, 4, 5])

6.4. 使用numpy.argsort()方法返回排序后的索引

使用numpy.argsort()方法可以返回数组排序后的元素对应的原始索引。例如：

arr = np.array([3, 1, 4, 2, 5])
sorted_index = np.argsort(arr)
print(sorted_index)

输出结果为：

array([1, 3, 0, 2, 4])

这表明，元素1的原始索引是1，元素2的原始索引是3，元素3的原始索引是0，以此类推。

7. 总结

在本文中，我们对numpy多维数组的创建、切片、索引、扩展、计算以及高级操作进行了详细介绍，并举例说明了每种操作的用法和输出结果。对于需要进行数据处理和科学计算的Python程序员来说，numpy多维数组是必不可少的工具。通过本文的学习，相信你已经能够熟练地使用numpy中的多维数组了。