在科学计算和数据分析领域，Python的Numpy库是一个不可或缺的工具。它提供了强大的多维数组对象，以及丰富的函数库，能够高效地处理大规模数据。本篇文章将详细介绍Numpy数组的创建方式与基本属性，帮助你更好地掌握这一基础知识，为深入学习和应用Numpy打下坚实的基础。
Numpy数组简介
Numpy数组是Numpy库中最核心的数据结构，称为ndarray（N-dimensional array）。与Python的列表相比，Numpy数组具有更高的效率，特别是在需要对大规模数据进行数学运算时，Numpy的优势尤为明显。
Numpy数组可以是多维的，这意味着它可以表示从一维向量到高维矩阵的所有数据形式。每个数组都有一个shape属性，表示其形状（即每个维度的大小），以及一个dtype属性，表示数组元素的数据类型。
创建Numpy数组
Numpy提供了多种方法来创建数组，根据需求的不同，可以选择不同的创建方式。
从Python列表或元组创建数组
最基本的创建数组的方法是将Python的列表或元组转换为Numpy数组。这是通过np.array()函数来实现的。
从列表创建一维数组
代码语言：javascript复制import numpy as np
# 从列表创建一维数组
arr1 = np.array([1, 2, 3, 4, 5])
print("一维数组:", arr1)
输出结果：
代码语言：javascript复制一维数组: [1 2 3 4 5]
在这个示例中，使用一个简单的Python列表创建了一个一维Numpy数组。
从嵌套列表创建二维数组
代码语言：javascript复制# 从嵌套列表创建二维数组
arr2 = np.array([[1, 2, 3], [4, 5, 6]])
print("二维数组:n", arr2)
输出结果：
代码语言：javascript复制二维数组:
[[1 2 3]
[4 5 6]]
这个示例展示了如何通过嵌套列表创建一个二维数组。
使用内置函数创建特殊数组
Numpy提供了许多内置函数，可以方便地创建特殊的数组，例如全零数组、全一数组、单位矩阵、随机数组等。
创建全零数组和全一数组
代码语言：javascript复制# 创建一个3x3的全零数组
zeros_array = np.zeros((3, 3))
print("全零数组:n", zeros_array)
# 创建一个2x4的全一数组
ones_array = np.ones((2, 4))
print("全一数组:n", ones_array)
输出结果：
代码语言：javascript复制全零数组:
[[0. 0. 0.]
[0. 0. 0.]
[0. 0. 0.]]
全一数组:
[[1. 1. 1. 1.]
[1. 1. 1. 1.]]
通过np.zeros()和np.ones()函数，可以轻松创建指定形状的全零或全一数组。
创建单位矩阵和随机数组
代码语言：javascript复制# 创建一个3x3的单位矩阵
identity_matrix = np.eye(3)
print("单位矩阵:n", identity_matrix)
# 创建一个形状为2x3的随机数组
random_array = np.random.random((2, 3))
print("随机数组:n", random_array)
输出结果：
代码语言：javascript复制单位矩阵:
[[1. 0. 0.]
[0. 1. 0.]
[0. 0. 1.]]
随机数组:
[[0.29727366 0.81015343 0.8052614 ]
[0.41289912 0.84407795 0.09258058]]
np.eye()函数创建了一个单位矩阵，而np.random.random()函数则生成了一个随机数数组。
使用arange、linspace和logspace创建数组
Numpy还提供了生成数值序列的函数，如arange、linspace和logspace，这些函数特别适用于创建具有固定步长或等间距数值的数组。
使用arange创建等差数列
# 创建一个从0到10（不包括10），步长为2的数组
arr_arange = np.arange(0, 10, 2)
print("使用arange创建的数组:", arr_arange)
输出结果：
代码语言：javascript复制使用arange创建的数组: [0 2 4 6 8]
arange函数类似于Python的range函数，可以生成具有固定步长的数值序列。
使用linspace创建等间距数组
# 创建一个从0到1，包含5个等间距数值的数组
arr_linspace = np.linspace(0, 1, 5)
print("使用linspace创建的数组:", arr_linspace)
输出结果：
代码语言：javascript复制使用linspace创建的数组: [0. 0.25 0.5 0.75 1. ]
linspace函数生成一个包含指定数量等间距数值的数组。
使用logspace创建等比数列
# 创建一个从10^1到10^3，包含5个等比数值的数组
arr_logspace = np.logspace(1, 3, 5)
print("使用logspace创建的数组:", arr_logspace)
输出结果：
代码语言：javascript复制使用logspace创建的数组: [ 10. 31.6227766 100. 316.22776602 1000. ]
logspace函数生成一个等比数列，通常用于创建指数增长或衰减的数值序列。
Numpy数组的基本属性
Numpy数组不仅仅是一个多维数据容器，它还包含了许多有用的属性，帮助更好地理解和操作数组。
shape属性
shape属性返回一个元组，表示数组的维度大小。例如，(3, 4)表示数组有3行4列。
# 查看arr2的形状
print("二维数组的形状:", arr2.shape)
输出结果：
代码语言：javascript复制二维数组的形状: (2, 3)
在这个示例中，数组arr2的形状为2行3列。
dtype属性
dtype属性表示数组中元素的数据类型。Numpy支持多种数据类型，包括整数、浮点数、复数等。
# 查看数组的元素类型
print("arr1的元素类型:", arr1.dtype)
print("random_array的元素类型:", random_array.dtype)
输出结果：
代码语言：javascript复制arr1的元素类型: int64
random_array的元素类型: float64
在这个示例中，查看了两个数组的元素数据类型，分别为整数和浮点数。
ndim属性
ndim属性返回数组的维度数量，即数组是几维的。
# 查看数组的维度
print("arr1的维度:", arr1.ndim)
print("arr2的维度:", arr2.ndim)
输出结果：
代码语言：javascript复制arr1的维度: 1
arr2的维度: 2
arr1是一个一维数组，而arr2是一个二维数组。
size属性
size属性返回数组中的元素总数，即数组的大小。
# 查看数组的大小
print("arr1的大小:", arr1.size)
print("arr2的大小:", arr2.size)
输出结果：
代码语言：javascript复制arr1的大小: 5
arr2的大小: 6
在这个示例中，arr1包含5个元素，而arr2包含6个元素。
itemsize属性
itemsize属性表示数组中每个元素占用的字节数。该属性与dtype密切相关，因为不同的数据类型占用的内存大小不同。
# 查看数组元素的字节大小
print("arr1的元素字节大小:", arr1.itemsize)
print("random_array的元素字节大小:", random_array.itemsize)
输出结果：
代码语言：javascript复制arr1的元素字节大小: 8
random_array的元素字节大小: 8
在这个示例中，两个数组的元素均占用8个字节，这是因为它们的dtype分别是int64和float64，每个元素都占用64位（8字节）的内存空间。
nbytes属性
nbytes属性表示
数组占用的总字节数，它等于size和itemsize的乘积。
# 查看数组占用的总字节数
print("arr1占用的总字节数:", arr1.nbytes)
print("arr2占用的总字节数:", arr2.nbytes)
输出结果：
代码语言：javascript复制arr1占用的总字节数: 40
arr2占用的总字节数: 48
在这个示例中，可以看到每个数组占用了多少内存空间。
总结
本文详细介绍了如何使用Python的Numpy库创建数组，以及Numpy数组的基本属性。讨论了从列表和元组创建数组、使用内置函数创建特殊数组、以及使用arange、linspace和logspace生成数值序列的不同方法。此外，还探讨了Numpy数组的几个重要属性，如shape、dtype、ndim、size、itemsize和nbytes，这些属性帮助更好地理解数组的结构和内存占用情况。掌握这些基础知识，在数据分析和科学计算中灵活运用Numpy奠定坚实的基础。
