Numpy—ndarray对象

**NumPy——ndarray对象**

NumPy（Numerical Python）是Python的一个库，用于高效处理大型数值数据集。它提供了一个称为ndarray的多维数组类型，这是NumPy最重要也是最有用的功能之一。

###什么是ndarray？

ndarray是一种多维数组类型，它可以存储和操作多维数据。与Python列表或元组不同，ndarray具有以下特点：

* **固定大小**：ndarray的大小在创建时就确定了，不会随着元素的添加而改变。
* **一致性**：所有元素必须具有相同的类型（如整数、浮点数等）。
* **高效存储和操作**：ndarray使用C语言风格的内存布局，提供了极高的性能。

### 创建ndarray可以通过以下方式创建ndarray：

####1. 使用`numpy.array()`函数

import numpy as np# 创建一个一维数组arr = np.array([1,2,3,4,5])
print(arr) # [12345]

# 创建一个二维数组arr = np.array([[1,2], [3,4]])
print(arr) # [[12]
 # [34]]

####2. 使用`numpy.zeros()`和`numpy.ones()`函数

import numpy as np# 创建一个一维数组，元素值为0arr = np.zeros(5)
print(arr) # [0.0.0.0.0.]

# 创建一个二维数组，元素值为1arr = np.ones((2,3))
print(arr) # [[1.1.1.]
 # [1.1.1.]]

####3. 使用`numpy.arange()`函数

import numpy as np# 创建一个一维数组，元素值为从0到4的连续整数arr = np.arange(5)
print(arr) # [01234]

# 创建一个二维数组，元素值为从0到8的连续整数arr = np.arange(9).reshape((3,3))
print(arr) # [[012]
 # [345]
 # [678]]

### ndarray属性和方法ndarray对象具有以下属性和方法：

#### 属性：

* `shape`：返回数组的维度。
* `size`：返回数组元素的总数。
* `dtype`：返回数组元素的类型。

#### 方法：

* `reshape()`：重塑数组为新的形状。
* `resize()`：改变数组的大小。
* `flatten()`：将多维数组转换为一维数组。
* `T`：返回数组的转置。

### 示例代码

import numpy as np# 创建一个二维数组arr = np.array([[1,2], [3,4]])

# 打印数组的形状和大小print(arr.shape) # (2,2)
print(arr.size) #4# 重塑数组为一维数组arr_1d = arr.reshape((4,))
print(arr_1d) # [1234]

# 将多维数组转换为一维数组arr_1d = arr.flatten()
print(arr_1d) # [1234]

# 返回数组的转置arr_transpose = arr.Tprint(arr_transpose) # [[13]
 # [24]]

### 总结ndarray是NumPy最重要也是最有用的功能之一，它提供了高效存储和操作多维数据的能力。通过使用`numpy.array()`函数、`numpy.zeros()`和`numpy.ones()`函数以及`numpy.arange()`函数，可以创建各种类型的ndarray对象。ndarray对象具有许多属性和方法，例如`shape`、`size`、`dtype`、`reshape()`、`resize()`、`flatten()`和`T`等，可以方便地操作和处理多维数据。