Ndarray

NumPy中定义的最重要的类就是Ndarray，这是一个N维数组类型，用以描述相同类型的元素集合，其索引起始于0，可以认为Ndarray表示的是一个矩阵。Ndarray中的每个元素在内存中都使用相同大小的块。从Ndarray中提取的任何元素都是由一个数组标量类型的Python对象表示。Ndarray的实例可以通过不同的数组创建函数来构造，最基本的是使用numpy.array()方法。

numpy.array()可以从任何暴露数组接口的对象以及从返回数组的任何方法创建Ndarray。其完整格式为：

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

其各项参数的含义是：

  • object，用于构造Ndarray的原始序列；
  • dtype，数组内存储的数据的数据类型，可选；
  • copy，是否复制对象，可选，默认为True；
  • order，元素在内存中的排列方式，可以指定C（按行排列，C语言风格）、F（按列排列，Fortran和MATLAB的风格）、A（任意，默认风格）；
  • subok，返回数组被强制为基类数组，否则返回子类；
  • ndmin，返回数组的最小维数。

除了numpy.array()之外，还有以下函数可以快速的创建常用的或者经典的数组。

  • numpy.empty(shape, dtype, order)，创建未初始化数组；
  • numpy.zeros(shape, dtype, order)，创建零值数组；
  • numpy.ones(shape, dtype, order)，创建1值数组；
  • numpy.asarray(object, dtype, order)，将Python序列转换为Ndarray；
  • numpy.frombuffer(buffer, dtype, count, offset)，将缓冲区内容转化为一维数组；
  • numpy.fromiter(iterable, dtype, count)，从迭代对象构建一个Ndarray；
  • numpy.arange(start, stop, step, dtype)，构建一个等间隔值的一维数组；
  • numpy.linspace(start, stop, endpoint, retstep, dtype)，构建一个均匀间隔的指定间隔数量的一维数组；
  • numpy.logspace(start, stop, num, endpoint, base, dtype)，构建一个对数刻度。

Ndarray也支持Python中的切片和索引操作，但稍有不同的是，NumPy提供一个slice()函数，允许在Python传统方法之外创建一个切片对象，并以此来进行切片操作。slice()函数可以接受三个参数，分别对应切片中的起始、终止和步长三个值。以下示例中的几种切片用法的效果都是等同的。

import numpy as np
a = np.arange(10)
s = slice(2, 9, 2)
print(a[s])
print(a[2:9:2])

Ndarray对象中的元素遵循基于零的索引，并且其切片功能是Python中切片概念延伸到多维的扩展。对于多维数组的切片，Numpy提供了更多的功能。在多维数组中，Ndarray可以在[]中使用逗号分隔的索引来选择获取多维数组中的指定位置的元素，并且也支持在指定位置使用切片语法。

import numpy as np
a = np.array([1, 2, 3], [3, 4, 5], [4, 5, 6])

print(a[1:]) # 输出[[3, 4, 5], [4, 5, 6]]，普通切片操作
print(a[..., 1]) # 输出[2, 4, 5]，取的是第二列的元素
print(a[1, ...]) # 输出[3, 4, 5]，取的是第二行的元素
print(a[..., 1:]) # 输出[[2, 3], [4, 5], [5, 6]]，取的是第二列及其剩余元素

使用省略号（...）进行切片的操作，可以选择出与数组维数相同长度的元组。如果在行位置使用省略号，将会选出包含行中元素的Ndarray。

如果在索引位置使用布尔表达式，则会使用比较运算来对元素进行筛选，例如a[a > 5]将选出全部大于5的元素并组成新的Ndarray对象。