NumPy Ndarray

NumPy ndarray 是 NumPy 库的核心数据结构，用于表示同类型的多维数组。ndarray 是 NumPy 数组的基础，由以下几个部分组成：

1. 数据类型 dtype，用于表示数组中各元素数据的类型。
2. 形状 shape，用于表示数组的尺寸，即每个维度的长度。
3. 轴数 ndim，用于表示数组的维度个数。
4. 数据内存地址 data，用于表示数组中元素数据的存储位置。

创建 ndarray

有多种方式可以创建 ndarray，其中包括使用 numpy.array 函数，从文件或文件系统中加载数据等。下面是一些常见的创建方式：

使用 numpy.array 函数

使用 numpy.array 函数可以从常规的 Python 列表或元组创建 ndarray。```python import numpy as np

a = np.array([1,2,3]) print(a)

输出：array([1, 2, 3])

b = np.array([[1, 2], [3, 4]]) print(b)

输出：array([[1, 2],

[3, 4]])```

使用其他 numpy 函数创建 ndarray

还有一些其他的 numpy 函数可以用于创建 ndarray，例如：

# 创建一个长度为10的数组，值都为0
a = np.zeros(10)

# 创建一个 2x2 全 1 的二维数组
b = np.ones((2, 2))

# 创建单位矩阵
c = np.eye(3)

# 创建一个长度为10，起始值为1，步长为2的一维数组
d = np.arange(1, 20, 2)

# 创建一个 3x3 的随机数组
e = np.random.random((3, 3))

NumPy Ndarray 的一些常见操作

以下是一些常见的 NumPy Ndarray 操作：

ndarray 的形状修改

可以使用 reshape 函数来修改 ndarray 对象的形状：

import numpy as np

# 创建一个一维数组
a = np.array([1,2,3,4])

# 将一维数组转化为二维数组
b = a.reshape((2, 2))

print(a)
# 输出：array([1, 2, 3, 4])

print(b)
# 输出：array([[1, 2],
#              [3, 4]])```

### 数组的切片和索引

可以对 ndarray 对象进行切片，并使用索引获取数组中的单个元素：

```python
import numpy as np

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

print(a[1, 2])
# 输出：6

print(a[1, :])
# 输出：[4, 5, 6]```

### 数组的运算

Ndarray 支持大多数数学运算操作，例如加、减、乘、除等：

```python
import numpy as np

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

c = a + b
d = a * b

print(c)
# 输出：array([[6, 8],
#              [10, 12]])

print(d)
# 输出：array([[5, 12],
#              [21, 32]])```

## 总结

NumPy Ndarray 是 NumPy 库的核心数据结构，可以用于表示同类型的多维数组。Ndarray 支持多种创建方式，并支持对数组进行形状修改、切片和索引以及数学运算等操作。