详解Numpy array()数组函数的作用与使用方法

Numpy array()是一种用于创建多维数组的函数。它可以接受多种数据类型，支持数组枚举、切片等操作，是数据分析、科学计算以及机器学习中非常基础且重要的工具。在实际应用中，既可以通过手动创建数据进行实例化，也可以通过读取外部数据文件等方式创建。

下面将详细讲解它的作用以及使用方法。

作用

1. 创建多维数组：将列表、元组等序列类型数据转换成多维数组。

2. 数组的计算和操作：支持对多维数组进行各种运算和操作，如数组的加减乘除、函数运算、比较、转置等。

3. 数组的索引和切片：可以通过下标索引访问和操作数组中的元素，在多维数组中可以使用切片操作进行切片。

使用方法

手动创建：

语法格式：numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

参数解释：

• object：列表、元组等序列类型数据。

• dtype：数组元素的类型，在 numpy 中提供了很多基本类型，如numpy.int、 numpy.float等。

• copy：默认为 True，表示复制对象，如果为 False，则表示对象被引用而不是复制。

• order：数组元素在内存中的排列方式，C风格排列或Fortran风格排列。

• subok：默认为 False，表示返回一个由Baseclass派生、并且类型相同的数组。

• ndmin：指定生成的数组的最小维度。

示例代码：

import numpy as np

# 一维数组
arr1 = np.array([1, 2, 3, 4, 5])
print(arr1,type(arr1))

# 二维数组
arr2 = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
print(arr2,type(arr2))

输出结果：

[1 2 3 4 5] <class 'numpy.ndarray'>
[[1 2 3 4]
 [5 6 7 8]] <class 'numpy.ndarray'>

读取外部文件创建：

语法格式：numpy.array(object, dtype = None, count = -1, sep = '', *, file)

参数解释：

• file：文件名或读取数据的可迭代对象。

• count：读取的个数，默认为-1，表示读取所有数据。

• sep：分隔符，默认为空格。

示例代码：

import numpy as np 

#从txt文件中读取数据并创建一维数组
arr_text = np.array([],dtype=float)
with open("data.txt") as f:
    for line in f.readlines():
        arr_line = np.array(line.strip().split(" "),dtype=float)
        arr_text = np.concatenate((arr_text, arr_line), axis=0)

print(arr_text,type(arr_text))

输出结果：

[1. 2. 3. 4. 5. 6. 7. 8. 9.] <class 'numpy.ndarray'>

数组操作及索引：

示例代码：

import numpy as np 

# 创建二维数组
arr2 = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])

# 加法
print("加法：\n", arr2 + 2)

# 乘法
print("乘法：\n", arr2 * 2)

# 转置
print("转置：\n", arr2.T)

# 切片
print("切片：\n", arr2[1][1:3])

输出结果：

加法：
 [[ 3  4  5  6]
 [ 7  8  9 10]]
乘法：
 [[ 2  4  6  8]
 [10 12 14 16]]
转置：
 [[1 5]
 [2 6]
 [3 7]
 [4 8]]
切片：
 [6 7]

从上述实例可以看出，Numpy array()能够方便、快捷的操作多维数组，关于Numpy array()的应用还有很多，使用也需要不断的去实践，这样才能掌握更多的操作技巧。